Voicebox 本地端 AI 語音工作室安裝指南與核心配置教學

簡介

如果你正在尋找一個功能強大且完全隱私的語音工具，Voicebox 是目前開源社群中最亮眼的選擇。它不僅是一個文字轉語音（TTS）工具，更是一個完整的本地端語音工作室。透過它，你可以克隆任何聲音、實現全域語音聽寫，甚至讓你的 AI Agent 擁有專屬的聲音——而這一切，都在你的電腦上本地完成，無需任何雲端訂閱或隱私妥協。

介面展示 (UI Demo)

安裝教學：我該下載哪一個檔案？

前往 Voicebox GitHub Releases 頁面時，你會看到許多不同後綴的檔案。請根據你的電腦規格對號入座：

1. macOS 使用者

• 安裝提示：下載後打開 .dmg，將 Voicebox 拖入 Applications 資料夾。首次啟動若提示「無法驗證開發者」，請至「系統設定」>「隱私權與安全性」點擊「仍要開啟」。

2. Windows 使用者

• 安裝提示：執行 .exe 檔，若出現 Windows Defender 橘色警告，點擊「其他資訊」並選擇「仍要執行」。程式啟動後會自動偵測你的 GPU (NVIDIA/AMD) 並下載對應的運算模組。

小知識：檔名後綴帶有 .sig 或 .zip.sig 的是數位簽章檔案，用於驗證程式完整性，一般使用者不需要下載。

核心功能教學

第一步：建立語音 Profile (Voice Cloning)

1. 進入 Profiles 分頁，點擊 "Create New Profile"。
2. 上傳音檔：準備一段 10-30 秒、清晰且無背景雜音的參考音訊。
3. 選擇引擎：
   • 需要高品質克隆：選擇 Qwen3-TTS。
   • 需要極速生成：選擇 Kokoro。
4. 點擊 "Create"，你現在就可以用這個聲音生成文字了。

第二步：全域聽寫 (Global Dictation)

這是 Voicebox 最實用的功能之一，讓你能在任何 App 中用說的輸入文字：

1. 在 Settings > Dictation 設定快捷鍵（預設通常是 Caps Lock 或自定義組合鍵）。
2. 操作：在任何文字輸入框（如 Slack 或 VS Code），長按快捷鍵並開始說話。
3. 完成：放開按鍵，Voicebox 會自動透過 Whisper 轉譯並將文字貼入。

第三步：讓你的 AI Agent 說話 (MCP 設定)

如果你使用 Claude Code 或 Cursor，可以透過 MCP 協議連接 Voicebox：

Claude Code 設定指令：

claude mcp add voicebox \
  --transport http \
  --url http://127.0.0.1:17493/mcp \
  --header "X-Voicebox-Client-Id: claude-code"

設定完成後，你的 Agent 就能調用 voicebox.speak 工具，直接用你指定的克隆聲音與你對話。

第四步：使用故事編輯器 (Stories)

1. 開啟 Stories 標籤，建立新專案。
2. 這裡提供多軌時間軸，你可以拖放不同的音訊片段。
3. 支援多角色對話，適合製作 Podcast 片段或語音導覽。

常見問題與解決 (Troubleshooting)

• 生成速度過慢：請確認 Settings 中是否正確啟用了 GPU 加速。
• 模型下載失敗：建議確認網路環境，或手動設定 VOICEBOX_MODELS_DIR 環境變數。
• 全域聽寫無法貼上：macOS 使用者請檢查「輔助使用」權限是否已勾選 Voicebox。

相關連結：

• 官方文檔
• GitHub 倉庫