Voicebox

Voicebox 是一个运行在用户设备上的开源、本地优先 AI 声音工作室。它结合文本转语音、声音克隆、预置声音、听写、转写、录音捕获、声音人格、故事编辑器，以及面向 MCP 智能体的集成功能。应用无需账号即可离线运行；可选的 Cloud 和 Studio 方案只增加加密备份与同步，不是本地生成的前提。

✨ 主要功能

• 本地文本转语音：使用支持的本地引擎生成语音，并复用声音档案。
• 零样本声音克隆：使用约 10–30 秒清晰参考音频创建声音档案，具体能力取决于引擎，并必须取得授权。
• 预置声音：在不适合克隆或无需录音时使用精选声音。
• 听写：按住快捷键说话，使用 Whisper 转写，可选在本地润色，并将文字粘贴到当前焦点输入框。
• 录音捕获与转写：把原始音频与转写文本放在一起，并将捕获内容复用为声音样本。
• Voice Personalities：让声音档案在朗读前把文本改写成指定角色风格。
• Stories 编辑器：使用可复用声音档案制作多角色故事和长篇口语内容。
• MCP 与 REST 集成：让本地智能体朗读、转写音频，并列出声音档案或捕获记录。
• 隐私优先处理：默认把本地数据保留在设备上；启用云服务时，数据会在上传前于设备端加密。
• 远程与硬件选项：在本地硬件不足时使用文档中的 GPU 加速或远程模式。

💳 价格与方案

• Local：永久免费，无需账号；包含本地声音克隆、听写、捕获、MCP/人格功能和无限本地生成。
• Cloud：即将推出；本次查看的定价页列出每年 12 美元的发布价，包括加密备份/同步、25 GB 存储、最多 5 台设备和 30 天版本历史。价格与限制尚未最终确定。
• Studio：即将推出；页面列出每年 48 美元的占位价格，包括 250 GB 存储、无限设备、一年历史和优先支持，价格明确可能变化。

价格说明：Voicebox 说明付费方案是可选云服务，本地功能仍免费且开源。云端数据会在上传前加密，但用户仍需自行负责声音授权、版权和本地设备安全。

⚖️ 同类产品对比

🎯 应用场景

• 私密听写：不把音频发送到云端，直接把语音转成文字。
• 声音原型：在正式录音前，用已获授权的克隆声音或预置声音测试旁白。
• 智能体接口：让 Claude Code、Cursor 或其他 MCP 智能体在本地发声。
• 课程与无障碍内容：制作可复用旁白，并提供替代声音交互方式。
• 故事与游戏：使用人格提示词制作多角色对话。
• 播客与媒体草稿：捕获、转写、修改并回放口述想法。
• 开发者实验：通过 MCP 或 REST 集成本地语音与转写，同时控制数据边界。