Voicebox： 替代ElevenLabs和WisprFlow的开源本地化语音应用，可实现语音克隆和语音听写，以往ElevenLabs 管"让 AI 说"、WisprFlow 管"把你说的转文字"，现在都可以用voicebox替代了，其还支持可与claude code、codex等结合使用，42000+ star，以后不用再给ElevenLabs付钱了。

voicebox定位"开源 AI 语音工作室"：几秒音频即可克隆任意声音、全局热键往任何输入框里听写（有部分typeless的能力）、还能给 agent 配一个你自己克隆的声音。

场景上，voicebox不光可做语音克隆，还支持将多人语音克隆然后合成一个多人QA的语音圆桌，全程不用真人录音，这对于很多做播客的朋友非常有价值。

1、完全本地、隐私不出机：模型、声音数据、录音都在本地电脑——这正是它替代 ElevenLabs 最硬的理由（配音/口播这类素材，很多人根本不敢传云）。

2、7 个 TTS 引擎任选：Qwen3-TTS、Qwen CustomVoice、LuxTTS、Chatterbox 多语种/Turbo、HumeAI TADA、Kokoro——零样本克隆（几秒参考音）或 50+ 预设声。LuxTTS 甚至 CPU 上 150× 实时、~1GB 显存。

3、支持语气词：Chatterbox Turbo 认 [laugh] [sigh] [gasp] 这种语气词；Qwen CustomVoice 支持"说慢点/耳语"这种自然语言控场。

4、带 Spotify pedalboard 的 8 种后期效果（变调/混响/压缩…）、无限长度自动分块 crossfade、多轨"Stories"编辑器做对话和播客。

全局听写热键，有点像AI鼠标那类产品：任何地方按住说、松手，macOS 直接把转写贴进当前输入框（走无障碍注入、还原剪贴板）；STT 用 Whisper（Turbo 档比 Large 快约 8×），等于把 WisprFlow 那套也本地化了。

支持工具调用 voicebox.speak，这样就让Claude Code、Cursor、Cline等code agent，都能用用克隆声音完成任何语音任务，甚至是视频合成任务。

#Voicebox##语音克隆3 #ElevenLabs#平替##本地AI##开源#