Speech Studio

Open- source Mac app til lokal stemmekloning og multihøjttalerdialog generation. Drop en stemme prøve, klone det, skrive en scene, syntetisere - alle på din bærbare computer. Ingen API nøgler, ingen sky, ingen per- tegn prissætning.

github.com / soniqo / speech- studio Apache 2.0 Installér

A 30-anden blind test: en reel stemme, den samme stemme klonet lokalt af Speech Studio, og den samme stemme klonet af ElevenLabs Kan du se, hvad der er hvad?

Hvad det gør

Stemmekloning fra en kort reference - Aflever et par sekunders tale, klone stemmen lokalt.
Generering af dialogen med flere højttalere - skrive en scene med flere højttalere, syntetisere dem alle i ét pass.
Kører udelukkende på din Mac - VoxCPM2 via MLX, DeepFilterNet3 for støjdæmpning, intet netværk påkrævet.
Open source under Apache 2.0 - gaffel den, omfavne den, bygge på den.

Krav

macOS 15+ (Apple Silicon), Windows 10+ (x64), eller Linux (x64)
Apple Silicon på Mac; enhver moderne 64- bit CPU til Windows / Linux
8 GB RAM minimum (16 GG anbefales)
~ 3-5 GB disk til talemodellerne (downloades på første løb)

Installér

Download bygningen til din platform fra GitHub Udgivelser - macOS .dmg, Windows .msi/.exe, eller Linux .deb/.AppImage - og derefter starte det:

↓ Download senest Alle udgivelser

Bygningerne er ikke signeret: på macOS åben via højreklik → Åbn (eller Systemindstillinger → Privatliv & Sikkerhed → Åbn alligevel); på Windows vælge Mere info → Kør alligevel i SmartScreen. Første lancering downloads VoxCPM2 talemodel (~2.75 GB den macOS, ~4.6 GB den Windows/Linux) og cache det; senere lancerer genbruge cache.

Foretrækker du CLI?

Den samme stemme kloning rørledninger skibe i speech CLI: brew install speech, så speech speak --engine voxcpm2 --voxcpm2-ref-audio reference.wav -o cloned.wav "Hello, this is my cloned voice." - nyttige for scripting eller pre-rendering batches. vejledning i stemmekloning for hele strømmen.

Status

Speech Studio er i aktiv preview (v0.0.4), med installatører til macOS, Windows, og Linux - macOS kloner via MLX, Windows og Linux via speech-coreLiteRT VoxCPM2 motor. Kilden repo på github.com / soniqo / speech- studio sporer GUI-appen; stjerne / se den for udgivelsesmeddelelser.

Hvad det er bygget på

Speech Studio er en tynd GUI på toppen af speech-swift, open-source Swift bibliotek, der sender hver model, der anvendes i demo:

VoxCPM2 - stemmekloning (nulstillingsbillede, kort reference)
DeepFilterNet3 - denoise reference + klonet output
Qwen3-ASR - Tilpas tale til tekst (bruges i demo blindtest bygge rørledning)
Tvungen tilpasning - ord- niveau tidsstempler til redigering
Stemmekloning guide - fuld oversigt over rørledningen

Køreplan

I dag: macOS, Windows og Linux
Næste: signeret & notarized builds (ingen Gatekeeper / SmartScreen beder).
Derefter: dybere redigering overflade, plugin støtte til swappable kloning modeller.

Feedback

Åbn et nummer på github.com / soniqo / speech- studio / issues - Alle bliver læst.