Speech Studio

Open-source Mac app för lokal röst kloning och multi-speaker dialoggenerering. Släpp ett röstprov, klona det, skriv en scen, syntetisera - allt på din bärbara dator. No API nycklar, inget moln, ingen per-karaktär prissättning.

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

En A 30-andra blinda test: en riktig röst, samma röst klonad lokalt Speech Studiooch samma röst klonad av ElevenLabs I molnet kan du berätta vad som är?

Vad det gör

Voice kloning från en kort referens - droppe i några sekunder av tal, klona rösten lokalt.
Multi-talare dialog generation - skriv en scen med flera högtalare, syntetisera dem alla i ett pass.
Runs helt på din Mac -- VoxCPM2 via MLX, DeepFilterNet3 för bullerundertryckning, inget nätverk krävs.
Öppen källa under Apache 2.0 — gaffel, bädda in den, bygg på den.

Krav

macOS 15+ (Apple Silicon), Windows 10+ (x64), eller Linux (x64)
Apple Silicon på Mac; alla moderna 64-bit CPU vid Windows/Linux
8 GB RAM minimum (16 GB rekommenderas)
~3–5 GB-skivan för talmodellerna (nedladdad på första körningen)

Installera

Ladda ner bygget för din plattform från GitHub Releases - macOS .dmg, Windows .msi/.exeeller Linux .deb/.AppImage Sedan starta den:

Nedladdning senaste All releases

Byggnaderna är osignerade: på macOS öppna via högerklicka Öppet Öppet (eller Systeminställningar → Sekretess och säkerhet → Öppna ändå) på Windows väljer Mer info → Kör ändå i SmartScreen. Först lansering laddar ner VoxCPM2 talmodell (~2.75 GB på macOS, ~4.6 GB på Windows/Linux) och cachar det; senare lanserar återanvändning av cache.

Föredrar CLI?

Samma röst kloning pipeline fartyg i speech CLI: brew install speech, då speech speak --engine voxcpm2 --voxcpm2-ref-audio reference.wav -o cloned.wav "Hello, this is my cloned voice." - användbar för skript eller pre-rendering batcher. se röst kloning guide för hela flödet.

Status

Speech Studio är i aktiv förhandsvisning (v0.0.4), med installatörer för macOS, Windows och Linux macOS kloner via MLX, Windows och Linux via speech-coreLiteRT VoxCPM2 motor. Källan repo på github.com/soniqo/speech-studio spårar GUI-appen; stjärnan / titta på den för frisläppande meddelanden.

Vad det är byggt på

Speech Studio är en tunn GUI ovanpå speech-swift, open-source Swift bibliotek som skickar varje modell som används i demo:

VoxCPM2 -- röstkloneringsmodellen (noll-shot, kort referens)
DeepFilterNet3 - denoise the referens + cloned output
Qwen3-ASR - anpassat tal till text (används i demo's blind-test build pipeline)
Tvingad inriktning — ordnivå tidsstämplar för redigering
Voice Cloning guide - fullständig översikt över pipeline

Roadmap

Idag: macOS, Windows och Linux.
Nästa: signerad & notarized builds (ingen Gatekeeper/SmartScreen-prompts).
Efter det: djupare redigeringsyta, plugin stöd för bytbara kloning modeller.

Feedback

Öppna ett problem på github.com/soniqo/speech-studio/issues – var och en läser.