开源 OmniVoice Studio:本地跑通 646 种语言视频配音,叫板 ElevenLabs
thisdudelikesAI · x · 2026-11-07
X 用户 thisdudelikesAI 用一个长线程介绍了开源项目 OmniVoice Studio / VoiceStudio(GitHub: debpalash/VoiceStudio),定位为完全本地运行的 ElevenLabs 替代品,主打实时听写、零样本声音克隆与整片视频配音,支持 646 种语言。
核心能力
- 丢入 MP4 选目标语言即可端到端配音:自动转写 → 翻译 → 目标语言语音合成 → 混回视频,无需手动剪辑
- 仅需 3 秒音频即可零样本克隆任意声音;也可用标签组合(female / elderly / british / raspy / deep 等)从零设计新音色
- 用 demucs 分离人声,配音后保留原视频的背景音乐、环境音与音效——这是多数付费工具做不好的环节
部署与兼容
- 三条命令安装:git clone → cd → bun install && bun dev(需 ffmpeg 与 Bun),模型权重首次生成时自动下载,零配置
- 前端 localhost:5173,API 端口 8000;自动管理异步线程、缓存与显存,支持 Apple Silicon、NVIDIA/AMD GPU 乃至纯 CPU
与 ElevenLabs 对比(作者口径):Pro 版 $99/月且按分钟计费 vs 免费 unlimited;云端处理 vs 文件不出本机。
需要注意的疑点:作者宣称 Apache 2.0 许可,但项目 README 截图显示为 FSL-1.1-ALv2,GitHub 页面显示 AGPL-3.0;截图内 star 数为 1.6k,与推文配图另一处标注的 103k stars 明显不符。数据可信度存疑,建议以仓库实际页面为准。
「编程与Agent」频道最新
- Computer-Using World Model：让 GUI 智能体在执行前预演行动后果 — burkov · 2026-11-07
- opentel-mcp v0.18 发布:SHA-256 哈希检测 MCP 工具「rug pull」攻击 — Thirumalaiboobathi · 2026-11-07
- Uncle Bob 用覆盖率与变异测试给编码智能体上枷锁 — bibryam · 2026-11-07
- “是不会还是不想？”：用户质问 agent 后它当场认怂 — StewartalsopIII · 2026-11-07
- 开源 Lattice:把 LaTeX 写作、文献管理和 Coding Agent 装进本地科研工作台 — aigclink · 2026-11-07
- 程序员警惕:每发一个 SOTA 模型,软件工程技能就贬值一分 — zack_overflow · 2026-11-07