voicebox

Voicebox 是一个开源的本地化 AI 语音工作台，支持语音克隆、文本转语音（TTS）、语音转文字（STT）及跨应用语音输入。核心功能包括：基于少量音频样本的零样本语音克隆、集成 Whisper 的实时语音识别、支持 23 种语言和 7 种 TTS 引擎（含 Qwen3-TTS）、全局热键语音输入、以及本地运行的轻量级 LLM 辅助语音内容优化。所有处理均在用户设备完成，无需上传数据，适用于隐私敏感场景、无障碍辅助、AI 代理语音交互及本地化语音内容创作。