平替 ElevenLabs：开源本地 AI 语音工作室 Voicebox 完全上手指南

02. 软件安装与极速启动指南

Voicebox 软件支持苹果 Mac（支持 M1-M4 系列芯片加速）、Windows 以及 Linux 电脑。软件提供了极简的极速安装与启动流程。

git clone jamiepine/voicebox
cd voicebox
just setup
just dev

03. 声音克隆与音色库管理实操

在 Voicebox 中，你可以非常轻松地把任何人的声音克隆出来并保存为音色。软件支持零样本（Zero-Shot）快速克隆，只需要一段非常短的音频样本。

软件内部集成了多种不同特色的 AI 引擎：如果你追求克隆声音最像、表达最自然，推荐选择 Qwen3-TTS 模型；如果你追求极速生成、做实时朗读，推荐选择轻量的 Kokoro 82M 模型；如果你要制作多语言跨国配音，可以选择 Chatterbox 模型。

04. 单文本生成与多轨播客创作

在软件的主界面中，你可以选择两种配音模式：单段文本快速生成和 Stories Editor 多轨播客编辑器。

在单段文本模式下，你只需要在框里粘贴文字，选择想要的声音 Profile 和音效模型，点击生成按钮，几秒钟后就可以在下方播放并导出 WAV 或 MP3 高清音频文件。

对于需要制作多角色对话、广播剧或播客工程的场景，可以使用 Stories Editor。在多轨编辑器中，你可以创建多条音轨，给角色 A 和角色 B 分配不同的声音，单独调节说话语速、音高平移（Pitch Shift）以及混响（Reverb）音效，最后合成一整段完整的对话音频。

05. 如何开启系统级全局语音听写功能

Voicebox 不仅能合成说话，还能当成你的电脑语音输入法使用。软件内置了全局听写（Dictation Mode）功能。

使用方法非常简单：在软件的设置面板中开启 Dictation 听写功能，并配置你习惯的全局快捷键（例如 Option+Space 或 Alt+Space）。此后在电脑上使用微信聊天、写文档、在浏览器搜索或写代码时，只要按下快捷键对麦克风说话，说话结束后 Voicebox 就会自动把语音转换成文字，并打入当前光标所在的输入框中。

06. AI 助手连接与声音调优建议

如果你平时使用 Cursor、Claude Code 或 Cline 等 AI 编程助手，还可以把 Voicebox 软件连接到你的 AI 工具里，让 AI 助手用 Voicebox 的声音直接把回答读给你听。

只需要在 AI 助手的配置文件里加上 Voicebox 的 MCP 服务设置即可：

{
  "mcpServers": {
    "voicebox": {
      "command": "uv",
      "args": [
        "run",
        "--directory",
        "/path/to/voicebox/backend",
        "mcp-server"
      ]
    }
  }
}