Speech Studio

Open-source Mac app for lokal stemmekloning og multi-speaker dialoggenerasjon. Slepp en stemmeprøve, klon det, skriv en scene, syntetisere - alt på din bærbare datamaskin. Nei API nøkler, ingen sky, ingen per-karakter pris.

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

En 30 sekunders blindtest: en reell stemme, den samme stemmen klonet lokalt av Speech Studio, og den samme stemme klonet av ElevenLabs i skyen. Kan du se hva som er hva?

Hva det gjør

Voksekloning fra en kort referanse - fall i løpet av noen sekunder av tale, klon stemmen lokalt.
Multi-speaker-dialoggenerasjon - skrive en scene med flere høyttalere, syntetisere alle dem i ett pass.
Kjører helt på Mac — VoxCPM2 via MLX, DeepFilterNet3 for støyundertrykkelse, ingen nettverk kreves.
Åpne kilde under Apache 2.0 - fork den, embed den, bygg på den.

Krav

macOS 15+ (Apple Silicon), Windows 10+ ( x64), eller Linux (x64)
Apple Silicon på Mac; alle moderne 64-bit CPU i Windows/Linux
8 GB RAM minimum (16 GB anbefalt)
~3-5 GB disk for talemodeller (nedlastet på første kjør)

Installer

Last ned bygg for plattformen din fra GitHub Releases — macOS .dmg, Windows .msi/.exe, eller Linux .deb/.AppImage Deretter lanserer den:

↓ Last ned siste Alle utgivelser

Byggene er udefinerte: på macOS åpen via høyreklikk → Åpne (eller Systeminnstillinger → Personvern og amp; Sikkerhet → Åpne uansett ); på Windows velg Mer informasjon → Kjør likevel i SmartScreen. Første lansering laster ned VoxCPM2 talemodell (~2.75 GB på macOS, ~4.6 GB på Windows/Linux

Foretrekke CLI?

De samme stemmekloningsrørledningene 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." - nyttig for skripting eller pre-rendering batcher. Se stemmekloning guide for den fulle flyten.

Status

Speech Studio er i aktiv forhåndsvisning (v0.0.4), med installasjonsmaskiner for macOS, Windows og Linux - macOS kloner via MLX, Windows og Linux via speech-coreLiteRT VoxCPM2 motoren. Kilden repo på Github.com/soniqo/speech-studio sporer GUI-appen; stjerne/se den for utgivelsesvarsler.

Hva det er bygget på

Speech Studio er et tynt GUI på toppen av speech-swift, åpen kilde Swift

VoxCPM2 - stemmekloningsmodellen (null-shot, kort referanse)
DeepFilterNet3 — denoiser referanse + klonet utgang
Qwen3-ASR - justere tale til tekst (brukes i demos blindtest-build-rørledning)
Tvungen justering - ordnivå tidsstempler for redigering
Voice Cloning-guiden — full oversikt over rørledningen

Veikart

I dag: macOS, Windows og Linux.
Neste: signert & notariserte bygg (ingen gatekeeper/SmartScreen-forespørsler).
Etter det: dypere redigeringsoverflate, plugin støtte for byttebare kloning modeller.

Tilbakemelding

Åpne et problem på github.com/soniqo/speech-studio/utgaver - alle blir lest.