voicebox

收录理由

Voicebox 是一款桌面端的 AI 语音工作台，把文字转语音和语音转文字这两条链路都收进了同一个界面里。合成方面，它内置了七种 TTS 引擎，既能用一小段参考音频克隆出你想要的音色，也能从预设里直接挑，支持 23 种语言，每种引擎各有侧重，可以随时切换。听写功能基于 Whisper，通过全局热键唤起，你可以在任何应用里直接开口说话，文字就落进当前窗口。它还提供了 REST API 和 MCP 服务器，让 AI 智能体或你自己的工具能调用语音能力，不必局限在桌面 UI 里。所有处理都在本地完成，如果你的隐私要求很严格，声音数据和录音都留在自己的硬件上，这一点对很多用户来说很关键。