Voicebox 是一个本地运行的开源语音克隆与合成工作室（类似 ElevenLabs 的免费本地替代品），支持语音克隆、TTS、多轨故事编辑、音频后期处理等，全程离线且隐私安全。

最简单的方法：使用预构建安装程序（推荐新手）

1. 打开浏览器，访问官方下载页面或 GitHub Releases：

   • 推荐直接去：https://voicebox.sh （官方下载页）
   • 或者 GitHub Releases：https://github.com/jamiepine/voicebox/releases

2. 下载 Windows 版本：

   • 优先选择 voicebox_xxx_x64-setup.exe（安装向导版，更友好）
   • 或者 voicebox_xxx_x64_en-US.msi（MSI 安装包）

3. 双击下载的文件进行安装：

   • 一直点击 Next / 安装 即可（和普通软件一样）。
   • 安装完成后，桌面或开始菜单会出现 Voicebox 图标。

4. 第一次启动：

   • 打开软件后，如果有 NVIDIA 显卡，它会自动下载 CUDA 支持（可能需要几分钟，耐心等待）。
   • 无需手动安装 Python、CUDA 等依赖，安装程序已打包好。

5. 开始使用：

   • 创建语音配置文件（上传几秒音频或用麦克风录制即可克隆声音）。
   • 输入文本，选择引擎（Qwen3-TTS、Chatterbox 等），生成语音。
   • 支持添加表情标签（如 [laugh]）、后期效果（变调、混响等）、多轨故事编辑器。

如果想从源代码运行（适合开发者或想最新版本）

1. 安装必要工具（Win11 下用 PowerShell 或命令提示符）：

   • Git：从 https://git-scm.com 下载安装。
   • Bun（推荐）：在 PowerShell 中运行：

     powershell -c "irm bun.sh/install.ps1 | iex"
     

   • Rust：访问 https://rustup.rs/ 下载安装（默认安装即可）。
   • Python 3.11+：从 https://python.org 下载安装（勾选 Add to PATH）。

2. 克隆仓库：

   git clone https://github.com/jamiepine/voicebox.git
   cd voicebox
   

3. 安装 just（任务运行器）：

   cargo install just
   

4. 执行设置：

   just setup
   

   （会自动创建 Python 虚拟环境并安装依赖，如果有 NVIDIA 显卡会自动配置 CUDA）。

5. 启动程序：

   just dev
   

   （同时启动后端和桌面应用）。

注意事项（Win11 常见问题）

• GPU 加速：NVIDIA 显卡会自动使用 CUDA（更快）；其他显卡（AMD/Intel）会回落到 DirectML 或 CPU（速度较慢）。
• 第一次模型下载：启动后克隆声音或生成时会自动下载模型（几 GB），请保持网络畅通。
• 安装失败或卡住：尝试用 setup.exe 而不是 MSI；或者删除 %AppData%\voicebox 或缓存文件夹后重试。
• 硬件需求：现代 CPU + 8GB+ 内存即可运行，推荐有独立显卡（至少 6GB VRAM 更好）。
• 防火墙/杀毒软件：首次启动可能被拦截，允许通过即可。
• 更新：直接从 Releases 下载新版本覆盖安装，或关注 GitHub 更新。

基本使用流程

• 克隆声音：上传 10 秒以上清晰音频 → 创建 Profile → 保存。
• 生成语音：选择 Profile → 输入文字 → Generate（支持长文本自动分段）。
• 故事编辑器：像 DAW 一样拖拽多轨，制作对话或播客。
• API 使用：软件运行后，可通过 http://localhost:17493 调用 REST API 集成到其他工具。

zdl.im