VoiceStudio：ElevenLabs 的开源平替，8G 内存全跑本地

VoiceStudio：ElevenLabs 的开源平替，8G 内存全跑本地

10 月 26 日，VoiceStudio 更新到 v0.5.7，手机端侧离线推理的预览版也放进来了。

这个项目 4 月 9 日才建的库，半年冲到 10.2 万星。定位一句话说得清：把 ElevenLabs 那套东西开源出来，全部跑在你自己机器上。

上个月写过 ElevenLabs：按字符收钱，声纹要传云端。这篇就是它的开源对照组，素材我全部按官网和仓库现查的。先把话说在前面：平替是真平替，但有三个坑，装之前得知道。

01

先把结论放前面

三类人，三种动作，对号入座：

1. 只想文字转声音的——直接装。8G 内存起步，显卡不是必需品，没有 GPU 有 CPU 精简版。这档是大多数人。

2. 要克隆声音的——准备 3 秒干净音频，安静环境录。能成。但注意，默认模型不许商用，商用要么换模型，要么掏钱。

3. 拿它做产品的——先把许可证读三遍再动手。AGPL-3.0 加非商用模型授权，这两个坎比星数重要得多。

我个人觉得，这项目最值得看的不是功能清单，是它的商业化拆法：核心开源，Pro 收费。哪些留在开源版、哪些拆出去卖钱，拆得清清楚楚。后面细说。

02

功能账：声音这条线，一个仓库管完

声音这条线的五个环节，一个仓库全包。

先看它能干什么。

声音克隆，3 秒干净音频就能起。声音设计，不给你参考音频也行——按性别、年龄、口音、音高、情绪写一段描述，直接生成一个新声音。视频配音，转写、翻译、重配音一条线，自带说话人分离和时间对齐。剩下还有听写、转写、有声书，都在同一个界面里。

图：声音克隆界面（官方 README 截图）

语言数官方标 646 种。这里插一句，官网自己注明了：这个数字取决于引擎，不代表质量排名。小语种的效果别按 646 这个数去期待，先拿你的目标语言试。

这套东西在 ElevenLabs 那边怎么收费？按字符计费，免费层给信用点，声纹数据传云端。VoiceStudio 这边：本地跑，无账号，无云端。两边的账不一样：一个是按用量付租金，一个是拿内存条换买断。

图：视频配音工作台——转写、翻译、重配音一条线（官方 README）

03

三个坑，装之前看一眼

装之前看一眼，能省一晚上排查。

第一个坑，Windows 安装包没签名。

装的时候 SmartScreen 会弹警告。官方 release notes 自己承认的：安装包未签名。不是中毒，是作者没花钱买代码签名证书（一张证书一年好几百美元，个人开源项目很多不买）。点击路径：弹窗里点「更多信息」→「仍要运行」；稳妥起见，右键安装包→属性→勾选「解除锁定」。公司电脑装之前先问 IT。

第二个坑，默认模型非商用。

默认的 OmniVoice 模型是非商用许可，商用前要做一次性确认。这是最容易踩的坑：功能都在，测着玩没事，接到产品里就两码事了。商用该看的是 Pro 档和明确的商用授权。

第三个坑，开源版和 Pro 版是拆开的。

Pro 档 99 美元一年，或者 199 美元买断。远程算力、GPU 共享这些功能，已经从开源版里移出去了。这不是坏事——项目要活下去，核心合成能力留在开源里，增值服务收钱，这个拆法比「套壳开源模型收月费」的良心多了。但你要知道自己用的是哪一半。

04

本地部署的现实账

分三档说。

1. 普通电脑——8G 内存起步就能跑，官方明确了 GPU 只是加速不是门槛。v0.5.7 还带了无 GPU 的 CPU 精简构建。转写、听写这类日常活，这档完全够。

2. 有显卡的——克隆和长篇有声书体验好一截。值不值得为它换机器，别猜，用下面第五节那个 30 秒试机法跑一遍就有数。

3. 手机——v0.5.7 的端侧离线推理还是预览版，Win/macOS/Linux/安卓/iOS/Docker 全平台都有包。等你真在手机上跑通了再看，现在别当购买决策依据。

05

装之前，做三件事

1. 去 voicestudio.sh 按你的系统选包，Windows 用户做好弹 SmartScreen 的心理准备。安装命令以仓库 README 为准，我不抄了，抄错了害人。

2. 先拿 30 秒文字把转写和合成各跑一遍，确认你的机器档位。再录 3 秒干净音频试克隆——安静房间，离麦近一点，别用蓝牙耳机麦。

3. 想商用的，先读 AGPL-3.0 和模型授权两份文件（仓库 debpalash/VoiceStudio 里的 LICENSE 文件 + 官网 voicestudio.sh 的授权页），读不懂就当不能商用处理。这一步省下来的钱，够买十年 ElevenLabs。

06

数据来源与口径

· 仓库与星数：GitHub API 2026-10-29 实测（debpalash/VoiceStudio，93,868 星，AGPL-3.0，2026-04-09 创建；2026-11-06 复核 101,907 星）；版本 v0.5.7（2026-10-26）。

· 功能与硬件门槛：官网 voicestudio.sh（8GB 内存起步、GPU 仅加速、646 语言取决于引擎）；Pro 价格与模型授权同页。

· 本文未实测装机；安装命令以仓库 README 为准。

总结：半年 10.2 万星，说明「声音本地化」这个需求是真的。但平替的意义不在省几个 API 钱——是把你的声纹数据留在你自己家里。模型是工具，许可证是边界，商用前把授权读明白。周三是 Agent 上锁三张清单，能照抄的那种。下期见。

· 作者：六六爸比。