AX
Google 官方开源的 agent 集群编排运行时，用声明式 YAML 把任务丢进带网络围栏的沙箱里跑，用过 Kubernetes 会觉得眼熟；目前还在快速变动期，API 随时可能改
Voicebox
本地跑的 AI 语音工作台，克隆音色、生成语音、全局听写、给智能体配声音都在一起，7 个引擎 23 种语言，全程离线；但要有一台跑得动模型的电脑
它能做什么
- 零样本克隆音色，几秒参考音频即可建声音档案
- 7 个 TTS 引擎可选（Qwen3-TTS、Qwen CustomVoice、LuxTTS、Chatterbox 系列、Kokoro 等），覆盖 23 种语言
- 全局热键听写，把说的话直接打进任意输入框
- 多轨"故事编辑器"编排对话、播客与旁白，长文稿自动分块不限长度
- 通过 MCP 让 Claude Code、Cursor 等智能体用你克隆的声音说话
- 音高混响延迟压缩等后处理、本地 REST API 与声音档案导入导出
适用场景
- 做短视频 / 播客 / 有声书的人：不想按月付语音合成订阅费、又介意把素材传到云上时，用本地模型自己生成
- 内容创作者与自媒体：需要固定的"节目声线"，想一次克隆长期复用时，建一个声音档案反复调用
- 用 Claude Code / Cursor 的开发者：想让智能体用指定声音汇报进度或朗读结果时，走它的 MCP 接入
- 做无障碍听写的用户：要在任意输入框用语音写长文本、且不愿数据上云时，用它替代云端听写服务
踩坑提示
- 使用限制：要本机算力，Windows 走 CUDA、Mac 走 MLX；轻量引擎（如 LuxTTS 约 1GB 显存）可在 CPU 上跑，但高质量模型仍需独显
- 长期可用性：官方最新正式版停在 2026-04-25，官网首页版本号还写着 v0.2.0，与 GitHub 对不上；下载请以 releases 页为准，别被首页误导
- 访问与速度：安装包与模型权重都在 GitHub 与 Hugging Face，国内拉取慢，建议提前配好镜像或手动下载
- 功能边界：Linux 暂无预编译二进制，需按官方文档从源码构建；云端同步尚未上线，目前只有本地
替代方案对比
| 替代品 | 比它强在哪 | 比它弱在哪 | 什么情况下选这个替代品 |
|---|---|---|---|
| ElevenLabs | 云端即用、音质稳定、多语言支持成熟 | 按量付费、必须上传音频、数据不在自己手里 | 不介意付费、只要最快出成品时 |
| GPT-SoVITS | 中文音色克隆效果好、社区教程多 | 配置门槛高、无完整桌面应用与听写功能 | 只做克隆不做工作台、愿意折腾时 |
| 系统自带听写 | 零安装、零成本 | 不含克隆与语音生成，不能指定音色 | 只需要最基础的语音输入时 |
更在意免费离线与音色自主选 Voicebox；更在意开箱即用的成品质量选 ElevenLabs
资源地址
继续浏览
类似发现
简历通 ResumeForge
本地优先的 AI 简历工作台，不注册不登录、数据只落在本机的一个文件里；除了写简历还管岗位、模拟面试和投递进度；项目很新，作者只有一个人
video-use
把素材丢进文件夹、跟 Claude Code 说几句就剪出成片的开源技能包，自动去口水词、去停顿、调色、烧字幕、生成动画叠加；工具本身 MIT 免费，但要自备编码 Agent 与模型额度
随便逛逛
不知道看什么？让阿卷带你随便逛逛
想要投稿
你也找到了好东西吗？分享给所有人
告诉阿卷
没有找到想要的？告诉阿卷帮你找