Speech Studio

Open-source Mac app para sa lokal na voice cloning at multi-speaker dialog generation.pagbaba ng isang sampol ng tinig, clone ito, isulat ang isang eksena, synthesis — lahat ay nasa iyong laptop. Walang API keys, walang ulap, walang per-character pricing.

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

Isang 30-second blind test: isang tunay na tinig, ang parehong boses na kinopya sa lugar na iyon sa pamamagitan ng Speech Studio, at ang parehong tinig na kinopya sa pamamagitan ng EXPO ElevenLabs sa ulap. Masasabi mo ba kung alin ang tinatawag?

Kung ano ang ginagawa nito

Tinig cloning mula sa maikling reperensiya — Huminto sa loob ng ilang segundo ng pagsasalita, i - clone ang tinig sa inyong lugar.
Multi-specker dialog na henerasyon — sumulat ng isang eksena na may maraming tagapagsalita, na binuo ang lahat ng mga ito sa isang daanan.
Tumatakbo nang lubusan sa iyong Mac — VoxCPM2 via MLX, DeepFilterNet3 para sa pagsugpo sa ingay, walang kailangan na network.
Open source sa ilalim ng Apache 2.0 — Itabi ito, lagyan ito ng elim, patibayin ito.

Mga Kahilingan

macOS 15+ (Apple Silicon), Windows 10+ (x64), o Linux (x64
Apple Silicon on Mac; anumang modernong 64-bit CPU sa Windows/Linux
8 GB RAM minimum (16 GB ang inirekomenda)
EX3–5 GB disk para sa mga modelo sa pagsasalita (naka-download sa unang pagtakbo)

Iluklok

Ilagay ang gusali para sa iyong plataporma mula sa GitHub Releases — macOS .dmg, Windows .msi/.exe, o Linux .deb/.AppImage — pagkatapos ay ilunsad ito:

MUMUHAG pinakahuling download Lahat ay naglalabas

Ang mga gusali ay hindi naka-sign: sa macOS bukas sa pamamagitan ng kanan-click → Buksan (o System settings → Pribadong Buhay at Katiwasayan → Buksan Pa Rin); sa Windows pinili Higit pang info → Tumakbo rin sa SmartScreen.Una itong i-download ang VoxCPM2 huwaran sa pagsasalita (if.2.75 GB on macOS, ~4.6 GB on Windows/Linux) at mga cache; pagkatapos ay muling gagamitin ang cache.

Mas Gusto Mo ba ang CLI?

Ang tinig ring iyon na cloning ng mga barkong de - tubo sa loob ng tubo speech CLI: brew install speech, pagkatapos speech speak --engine voxcpm2 --voxcpm2-ref-audio reference.wav -o cloned.wav "Hello, this is my cloned voice." — kapaki-pakinabang sa pag-skripto o pre-rendering packages. Tingnan ang gabay sa pag - clone ng boses para sa buong daloy.

Kalagayan

Ang Speech Studio ay nasa aktibong preview (v0.0.4), na may mga installer para sa macOS, Windows at Linux — macOS clones sa pamamagitan ng MLX, Windows at Linux via speech-core''s LiteRT VoxCPM2 engine. Ang source repo sa source repok. github.com/soniqo/speech-studio Ang mga tracks the GUI app; star/watch ito para sa release notifications.

Ang itinayo nito

Speech Studio ay isang manipis na GUI na nasa ibabaw ng speech-swift, ang open-source Swift library na nagpapadala ng bawat modelo na ginagamit sa demo:

VoxCPM2 — ang voice cloning model (zero-shot, maikling reperensiya)
DeepFilterNet3 — I - denoise ang reperensiyang + clone na output
Qwen3-ASR – Pag-uusap sa teksto (ginamit sa blind-test building pipeline ng demo)
Puwersahang Pagpapaalam — mga timestamp ng salitang-level para sa pag-aayos
Pagsara ng Tinig giya — buong sumaryo ng tubo

Daang - Daan

Sa ngayon: macOS, Windows at Linux.
Susunod: Nilagdaan & notarized buildings (walang Gatekeeper/SmartScreen propulsion).
Pagkatapos niyan: Sa mas malalim na pagsasaayos ng ibabaw, ang plagin ay sumusuporta sa mga modelong palitan ng cloning.

Pagpapakain

Buksan ang isang isyu sa github.com/soniqo/speech-studio/Mga propesyunal — bawat isa ay nakababasa.