Voicebox — 开源 AI 语音工作室

Codex 核验（2026-10-10）：Voicebox 是本地优先语音工作流；实际支持的模型与 CUDA/ROCm/MLX/CPU 路径依硬件及当前依赖而定。代码许可证不等于所有模型权重、外部 API 或声音素材都可免费使用；如选远程服务，音频是否离机及费用要独立确认。本文安装/性能未重新运行。

GitHub: https://github.com/jamiepine/voicebox
Stars: ⭐45,389
语言: TypeScript
Tags: AI-voice, TTS, voice-clone, whisper, MLX, CUDA

核心功能

Voicebox 是一个开源 AI 语音工作室，支持语音克隆、语音生成和听写，可在本地机器上运行完整的语音 I/O 栈。

关键特性

• 语音克隆: 克隆任意声音，生成语音
• 听写: 将语音转录为文本，可输入任何应用
• 语音代理交互: 用自己拥有的声音与 AI 代理对话
• 本地运行: 支持 CUDA (NVIDIA) 和 MLX (Apple Silicon)
• 模型: 使用 Qwen3-TTS、Whisper 等模型

与 Hermes 生态的关联

Voicebox 的语音 I/O 能力可补充 Hermes 的 text-to-speech 和语音交互场景，特别是在需要语音克隆和本地语音处理的场景中。