Voicebox

Voicebox 是一款开源应用，可将你的 Mac 变成一个小型本地语音合成和克隆工作室。它使用 Qwen3-TTS 模型直接在您的设备上生成逼真的音频，无需依赖云服务、令牌或付费订阅。

一款专为 macOS 设计的语音克隆应用

借助 Voicebox，您可以通过几秒钟的参考音频创建语音配置文件（最多 30 秒）。Qwen3-TTS 模型会分析语调、音色和口音，并以相当高的保真度将其复现。您只需上传一个语音文件，或从您的 Mac 麦克风录制一个，注明所说内容，或者使用自动转录，这样您就可以准备好一个配置文件，无需重复该过程即可生成新的音频。

使用自定义声音配置生成音频

一旦您保存了个人资料，只需输入您想要的文本， Voicebox就会以该声音生成音频。这使您可以在保持语气的同时，将短语翻译成其他语言，例如，您可以为视频游戏项目制作家庭配音或生成语音。您还可以导出语音配置文件并与其他用户共享，这样他们就可以在自己的设备上生成音频。

自动转录和系统音频捕获

该应用集成了 Whisper，它可以将音频转换为文本，并与生成的语音同步。这使得可以更轻松地直接在时间线上编辑对话，调整停顿或纠正发音，而不会失去语音配置的一致性。此外，它还包括系统音频捕获功能，可让您录制 Mac 上的声音（例如来自游戏或通话的声音），并将其用作新克隆或音频场景的参考。

用于其他项目的本地语音服务器和 API

Voicebox 不仅仅是其图形界面；得益于其集成的 REST API，它还可以作为本地语音服务器运行。您可以通过一次点击将其激活，从游戏、应用程序或 AI 代理发送文本，并以标准格式获取生成的音频。这使得旁白、对话或通知自动化成为可能，而无需依赖外部服务。该应用使用 Tauri、Rust 和 Python 开发，因此比许多基于 Electron 的替代方案更轻量。即便如此，性能仍将取决于你的 Mac 有多强大，以及 Qwen3-TTS 模型的设置方式，因为所有处理都在本地完成。

使用任何声音创建带旁白的故事

Voicebox还具有一个用于生成叙述故事的部分。你只需要说明你想要发生什么，应用就会使用你所选择的语气生成内容。这是一个有用的功能，可用于创作有趣的内容、儿童故事或语音草图。

我在 Mac 上使用 Voicebox 的体验

当我在 macOS 上测试 Voicebox 时，克隆过程既快速又简单：只需几秒钟的音频就足以创建一个配置文件，并在时间线上生成几个语音片段。体验很流畅，不过一些高级选项仍然缺失，例如添加更多样本以提高质量，或对克隆声音进行微调。

我最喜欢的地方Voicebox，以及可以改进的地方

· 我最喜欢的是：整个克隆和合成过程都在你的 Mac 本地完成，无需依赖云端或支付订阅费用。

· 我会改进的方面：增加更强的声音自定义功能，并支持多个音频样本，因为这将有助于获得更逼真的结果。此外，生成时间可能会因您的设备性能和所选模型而有所不同。

下载 Voicebox，并将你的 Mac 打造成一个完全本地的语音克隆与合成工作室，支持 Qwen3-TTS 和 Whisper。