Local Voice Clone Studio

简体中文 | English

一个在 Apple 芯片 Mac 上本地运行的语音克隆网页工具。上传已获授权的参考音频，输入文字，即可生成相似音色的中文或多语言语音。

Caution

本项目只允许克隆使用者本人的声音，或已获得声音本人明确、知情、可撤回授权的声音。严禁用于冒充、欺骗、诈骗、骚扰、伪造证据、政治操纵、规避身份认证或声纹验证。使用者必须遵守所在地法律，并对输入素材与生成内容承担全部责任。

特点

• 本地运行：音频不上传到第三方服务
• 网页界面：不需要编写命令
• 中文友好：基于 Qwen3-TTS Base 模型
• 零样本克隆：无需训练，只需一段干净参考音频
• 隐私优先：参考音频与输出文件默认不纳入 Git
• 授权确认：生成前必须确认已取得声音本人授权

环境要求

• Apple 芯片 Mac（M1 或更新）
• macOS 14 或更新版本
• Python 3.10–3.12
• 建议至少 16 GB 内存
• 首次使用需联网下载约 2 GB 模型，之后可离线生成

安装

git clone https://github.com/bbosoo/local-voice-clone-studio.git
cd local-voice-clone-studio
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
python app.py

应用启动后会自动打开本地网页。

提高相似度

1. 使用 10–45 秒无背景音乐、无混响、只有一个人说话的录音。
2. 同时填写参考音频的准确原文。
3. 参考音频和目标文字使用相似的语言、语气和录音风格。
4. 多人对话应先分离目标说话人的片段，不能直接上传整段。

数据与隐私

• 上传内容只在本机处理。
• 输出文件存放在 outputs/，该目录已被 .gitignore 排除。
• 仓库不附带任何真人声纹、示例人声或模型权重。
• 请勿将参考音频、生成音频或模型缓存提交到公开仓库。

使用限制

仅限以下场景：

• 克隆自己的声音；
• 已获得声音本人明确、知情的授权；
• 配音、无障碍辅助、创作和内部测试等合法用途。

禁止用于冒充、欺骗、诈骗、骚扰、制造虚假证据、绕过身份或声纹验证，以及任何未经声音本人同意的用途。使用者需自行承担法律与伦理责任。

使用本项目即表示你确认：

• 对参考声音拥有合法处理权限；
• 已向声音本人说明用途、保存方式和潜在风险；
• 会在发布合成音频时进行必要的 AI 生成标识；
• 收到声音本人撤回授权后，将停止生成并删除相关参考素材；
• 不会将本项目用于高风险身份验证、金融交易或公共决策场景。

发现安全漏洞或疑似滥用时，请遵循 安全与滥用举报政策，不要在公开 Issue 中发布真人声纹、个人信息、令牌或可直接复现伤害的材料。

技术说明

• 推理框架：MLX-Audio
• 默认模型：mlx-community/Qwen3-TTS-12Hz-0.6B-Base-8bit
• 项目许可证：MIT