Voicebox：开源本地 AI 语音工具，搞定声音克隆与全局听写

首次发布 2026年1月26日 UTC 10:19传播指数 59

开源本地 AI 语音应用 Voicebox 支持声音克隆与听写，GitHub 标星超 4.2 万。它仅需数秒音频即可克隆任意声音，支持用全局热键在任意输入框语音打字，还能配合 Claude Code 等为智能体配音。这让用户无需再订阅付费平台，即可在本地运行端到端语音能力。

Voicebox 是一款定位为「开源 AI 语音工作室」的本地工具，主打把声音克隆和语音听写两件事合二为一，在 GitHub 上已经收获了超过 4.2 万颗星。

它能做什么

以往搭一套语音工作流，通常需要同时订阅几家服务：用 ElevenLabs 负责让 AI 发声，再用 WisprFlow 把自己说的话转成文字。Voicebox 试图把这两端都在本地设备上替代掉。

在输入端，它支持通过全局热键直接向系统的任意输入框进行语音听写，带来类似打字工具的无感输入体验。

在输出端，用户只要提供几秒钟的音频样本，就能克隆出任意声音。不仅能用于日常文本朗读，它还能直接接入 Claude Code 和 Codex 等编程智能体，为你干活的 AI 配上专属声音。

我们认为，Voicebox 最直接的价值在于帮高频语音用户省下真金白银。不管是 ElevenLabs 昂贵的按量计费，还是各类听写订阅，跑在本地就意味着零边际成本，也没有语音数据上传云端的隐私顾虑。

经常用 AI 编码的开发者以及习惯语音打字的用户很值得上手一试。不过既然是全流程本地运行，生成效果和延迟肯定会受本地硬件配置制约，能否完全媲美商用云端服务，还需要在自己的设备上跑跑看。