ElevenLabs 按字符收钱、声纹还传云端？5.7 万星开源声音克隆全跑你本地

工具实测 · 2026-09-22 · 语音克隆

按字符计费、按月订阅、声音素材全传到别人云端——这套"温柔地收着过费"的日子，可以结束了。

月初我写了 OpenCut（开源版剪映），评论区好几个人追着问："那语音克隆有没有开源平替？"——问对了。做配音、有声书、短视频口播的，几乎都被 ElevenLabs 这类服务收过费。

GitHub 上这个 debpalash/VoiceStudio 就是冲这个来的（56,683 星，10-10 经 API 实测。9-22 我第一次核它是 34,029 星，两个多星期涨到 5.7 万）。项目自述：开源、完全本地的 ElevenLabs 替代——声音克隆、声音设计、视频配音、听写、转录、有声书，支持 646 种语言。

▲ 一个跑在你自己电脑上的语音工作室（概念图）

01

它是什么：一个桌面端语音全家桶

一个 Electron 桌面应用，把"造声音、用声音、配声音"这些原本要订阅好几家 SaaS 的活，收进一个本地软件里。它的口号是 "Your voice. Your workflow."——你的声音，你做主。

▲ 六大能力：克隆 / 设计 / 配音 / 听写 / 转录 / 有声书（本文据官方 README 绘制）

拆开看三类：造声音——克隆一个声音、或用文字描述"设计"出一个你想要的音色；出内容——给视频做带时间轴的配音、批量生成故事/有声书、用悬浮小窗随时听写；连出去——它带本地 API 和 MCP 接口，能直接给你的 AI agent 用。

02

"本地"这两个字的含金量

这是它和 ElevenLabs 最本质的区别，也是我最看重的一点：本地工作流跑在你自己的硬件上，远程服务是可选的，连"使用统计"都要你明确同意才开启。README 里写得很清楚：Local workflows run on your hardware。

① 断网也能用。模型下到本地，飞机上、内网里照样出片。 

② 声音素材不出本机。你的声纹、你的样音，不用上传到别人服务器。 

③ 没有"按字符计费"这把刀。默认引擎是 VoiceStudio（基于开源的 k2-fsa/OmniVoice），不满意还能换——它给的是"引擎目录"，不是逼你吃它一家。 

03

给 AI agent 用，是它藏着的杀手锏

如果你一直在跟我的"agent 工具链"这条线，这段要重点看：VoiceStudio 提供本地 API 和 MCP 接口。这意味着你可以让 Claude Code、Cursor 这类 agent 直接调用它——写好的文案自动配音、批量生成多语种口播、给你的数字人/播客工作流接一条本地语音生产线，全程数据不出本机。

04

怎么装 · 两步

1

装应用

macOS / Linux 一条命令：curl -fsSL https://voicestudio.sh/install | sh；Windows 去 GitHub Releases 下载安装包。

2

下模型

装好后在应用里下载你需要的本地语音模型，即可开跑。

05

和 ElevenLabs 差在哪

费用

ElevenLabs：按字符 / 订阅

VoiceStudio：开源免费（AGPL）

数据去向

ElevenLabs：云端

VoiceStudio：本机运行

离线可用 · 语种

ElevenLabs：不能离线 · 70+ 种

VoiceStudio：能 · 646 种

音质天花板

VoiceStudio：取决于本地引擎

ElevenLabs：商业级、更稳

说句公道话：追求"开箱即顶级音质、还要 SLA"的商业团队，ElevenLabs 仍更省心；但对"想自己掌控、不想按月交租、在意隐私"的个人创作者和开发者，VoiceStudio 把选择权还给了你。

06

三个要提醒的坑

① 许可证是 AGPL-3.0。比 MIT 严格——如果你把它改造成对外提供的网络服务，要留意 AGPL 的开源传染条款，商用前务必读清楚。 

② 声音克隆有伦理红线。工具本地化=更自由，也=更容易被滥用。克隆真人声音必须拿到本人授权，别碰诈骗和冒充。 

③ 本地吃硬件。语音模型跑在你机器上，显存/算力不够会慢；项目还年轻（2026-04 建库），迭代快、偶有坑，做好"尝鲜"的心理准备。 

07

我的判断

我发现一个越来越清晰的趋势：每一个被付费 SaaS 垄断的能力，最后都会被一个开源项目从"本地 + 隐私 + 免费"这个角度重新做一遍。剪辑有 OpenCut，语音有 VoiceStudio，搜索/SEO 有 open-seo……它们未必一开始就打得过商业版，但它们改变的是"主动权在谁手里"。

VoiceStudio 的意义不在于音质超过 ElevenLabs，而在于它证明了：声音这件事，可以不租、可以离线、可以留在你自己的电脑上。

仓库放这儿：github.com/debpalash/VoiceStudio。

把生产工具从"订阅账单"变成"本地资产"，本身就是一次小小的解放。

省下的订阅费是小事，拿回主动权是大事

数据来源：debpalash/VoiceStudio 总星 56,683（2026-10-10 经 api.github.com 实测）、建库 2026-04、主语言 Python、AGPL-3.0；能力、646 语种、本地运行、默认引擎 k2-fsa/OmniVoice、安装方式均取自仓库 README 原文。文中两张配图为本文据官方信息绘制。细节以仓库为准。作者：六六爸比。

写在最后 · 几句掏心窝的话

关于工具：用订阅服务，你租的是能力；用开源本地工具，你攒的是资产。前者方便，后者自由——成年人的理想状态是两者都有。

关于隐私：声音是最像"你本人"的数据之一。把它交给云端，和把它留在本机，是两种完全不同的安全感。

关于伦理：越强大的克隆技术，越需要一条"必须授权"的底线。工具无罪，用工具的人要有责。

关于你自己：如果你正为配音/口播按月付费，花十分钟装个 VoiceStudio，用自己的声音或免费音色跑一段。省下的订阅费，是小事；拿回主动权，是大事。

与君共勉:
1. AI 是打破信息茧房的利器。是我们追求信息平等的手段。
2. 警惕上来就忽悠你学各种所谓高大上的工具 Agent, 让你买教程的。
3. AI 时代你只要懂逻辑, 懂中文, 独立思考能力! 一定会有所作为!
4. 与君共勉, 与君一道踏破这 AI 门槛, 让 AI 真正为你所用!

留言区聊聊：你现在配音用 ElevenLabs 还是别的？最忍不了它哪一点？

最近 5 篇深度稿——

① 2026-08-01 · Reasonix 1.x 正式版：0.x → 1.x 一年磨一剑
一个开源工具从 0.x 磨到 1.x 的完整一年

② 2026-08-05 · FFmpeg 9.0 代号 Lei 正式发布
代号 Lei 致敬雷霄骅，7 大特性与 5 个实战场景

③ 2026-08-12 · AI 时代的旅行：5 个 SKILL.md 跨 WorkBuddy/Coze/Dify 复用
一份配置文件在三个平台之间复用的实操

④ 2026-08-20 · 当 Model 决定上限、Harness 决定下限：DeepSeek 正在重写 AI Agent 的规则
模型决定上限、工程框架决定下限的一手复盘

⑤ 2026-09-05 · 清华把一间教室，开源给了所有 AI：OpenMAIC 拆解
清华把一门 AI 课连教室带代码一起开源

如果这篇对你有帮助，，让更多被语音订阅账单心疼的创作者看到。

更多技术干货，关注公众号 丁卯生人（mp.weixin.qq.com/s/dingmaoshengren-home）每周更新。

— 六六爸比