本地开源版 ElevenLabs 来了
推荐指数 62.0 NO. 007 · 2026.09.17
Stars54,278
为什么值得看
Voicebox 是本地优先的全栈语音工具，集成语音克隆、23 语言 TTS 和全局语音输入，对标 ElevenLabs 和 WisprFlow。对担心语音数据外传、或想给 AI Agent 加原生语音交互的开发者，这是目前最完整的开源方案。
The open-source AI voice studio. Clone, dictate, create.
媒体预览
编辑判断
ElevenLabs 的 API 按字符计费且数据必须上云，做语音 Agent 的团队要么忍受延迟和隐私风险，要么自己拼凑 Whisper + Coqui + 热键工具链。Voicebox 把这套拼盘做成了统一桌面端，关键是支持 MCP 协议，意味着任何兼容 MCP 的 AI Agent 可以直接调用语音 I/O，不需要额外写桥接代码。
跟同类本地方案比，Coqui TTS 已停止维护，XTTS 只解决克隆，OpenVoice 的实时性不够。Voicebox 同时塞进了 7 个 TTS 引擎做 fallback，这对需要多语言覆盖的产品是个务实的工程选择。
最该试的人群：做桌面端 AI 助手的独立开发者、需要离线语音交互的企业内网场景、以及想给 Cursor/Cline 这类工具加语音控制但不想碰 WebRTC 的工程师。
Star History
生态分析
Beta
本地优先的全栈语音AI工作室，开源替代ElevenLabs的完整方案
独特价值：全栈语音工具+MLX苹果芯片优化+AI Agent原生语音交互集成
竞品：