Voicebox：開源本地 AI 語音工具，搞定聲音克隆與全域性聽寫

首次發布 2026年1月26日 10:19 [UTC]傳播指數 59

開源本地 AI 語音應用 Voicebox 支援聲音克隆與聽寫，GitHub 標星超 4.2 萬。它僅需數秒音訊即可克隆任意聲音，支援用全域性熱鍵在任意輸入框語音打字，還能配合 Claude Code 等為智慧體配音。這讓使用者無需再訂閱付費平臺，即可在本地執行端到端語音能力。

Voicebox 是一款定位為「開源 AI 語音工作室」的本地工具，主打把聲音克隆和語音聽寫兩件事合二為一，在 GitHub 上已經收穫了超過 4.2 萬顆星。

它能做什麼

以往搭一套語音工作流，通常需要同時訂閱幾家服務：用 ElevenLabs 負責讓 AI 發聲，再用 WisprFlow 把自己說的話轉成文字。Voicebox 試圖把這兩端都在本地裝置上替代掉。

在輸入端，它支援通過全域性熱鍵直接向系統的任意輸入框進行語音聽寫，帶來類似打字工具的無感輸入體驗。

在輸出端，使用者只要提供幾秒鐘的音訊樣本，就能克隆出任意聲音。不僅能用於日常文本朗讀，它還能直接接入 Claude Code 和 Codex 等程式設計智慧體，為你幹活的 AI 配上專屬聲音。

我們認為，Voicebox 最直接的價值在於幫高頻語音使用者省下真金白銀。不管是 ElevenLabs 昂貴的按量計費，還是各類聽寫訂閱，跑在本地就意味著零邊際成本，也沒有語音資料上傳雲端的隱私顧慮。

經常用 AI 編碼的開發者以及習慣語音打字的使用者很值得上手一試。不過既然是全流程本地執行，生成效果和延遲肯定會受本地硬體配置制約，能否完全媲美商用雲端服務，還需要在自己的裝置上跑跑看。