Voicebox 0.5.0

Voicebox for Mac 是开源AI语音工作室，专注于语音克隆、文本转语音生成以及本地运行的完整语音输入输出流程。作为ElevenLabs和WisprFlow的免费本地替代方案，它能在Mac上完全离线工作，支持从几秒音频样本克隆任意声音，并通过多个TTS引擎生成高质量自然语音。用户可以轻松实现全局热键 dictation，将语音转录为文本并自动粘贴到任意应用，还能让MCP兼容的AI代理使用克隆声音进行交互。Voicebox 强调隐私保护，所有模型和音频数据均保留在本地设备上，同时提供Stories时间线编辑器和音频效果处理功能，适合内容创作者、开发者及需要个性化语音体验的用户。

发展历程
Voicebox 从早期版本专注于语音克隆逐步演进，0.5.0版本标志着它从单纯的语音克隆工作室升级为完整的AI语音工作室。该版本引入了全局 dictation 功能、个性化语音profile以及MCP代理集成等重大特性，让软件实现了语音输入与输出的闭环，支持本地LLM进行转录优化和角色扮演。目前已支持macOS、Windows和Linux平台，下载量超过百万。

主要功能
1. 近乎完美的语音克隆：支持从3秒以上音频样本（上传、麦克风录制或系统音频捕获）快速克隆声音，兼容多种TTS引擎实现自然语调和情感表达。
2. 多引擎文本转语音：集成Qwen3-TTS、Chatterbox、LuxTTS、TADA、Kokoro等七大引擎，支持23种语言、无限长度生成以及自然语言指令控制语气和节奏。
3. 全局热键 dictation：通过自定义快捷键在任意应用中录音、转录并自动粘贴清洁文本，支持Whisper模型及本地LLM优化。
4. Stories时间线编辑器：创建多声道叙事，支持导入外部音频、调节音量、剪辑和导出完整内容。
5. 音频效果管道与API：提供音高转换、混响等效果预设，同时内置REST API和MCP服务器，方便集成到游戏、应用和代理工具中。
6. 个性化与代理交互：为语音profile添加人格描述，实现角色重写和即兴生成，让AI代理以克隆声音回应用户。

用户评价
“Voicebox 让我能在本地完全控制自己的声音数据，克隆效果非常自然，dictation 功能特别实用。”
—— 用户（★★★★★）

“0.5.0版本的MCP集成改变了我的工作流，代理说话时能看到语音profile，太棒了。”
—— 用户（★★★★☆）

“Stories编辑器和效果处理让多角色内容制作变得简单，性能在Mac上也很流畅。”
—— 用户（★★★★★）

“开源免费且本地运行，隐私保护做得很好，适合长期使用。”
—— 用户（★★★★☆）

常见问题（FAQ）
问：Voicebox 需要联网才能使用吗？
答：无需联网，所有模型和处理均在本地运行，支持完全离线模式。

问：支持多少种语言？
答：支持23种语言，覆盖英语、阿拉伯语、日语等多种常见语言。

问：如何克隆声音？
答：通过上传音频、麦克风录制或捕获系统音频，从几秒样本即可开始克隆。

问：Mac上如何设置全局热键？
答：在设置中自定义快捷键，默认使用右Cmd+右Option，支持自动粘贴。