載入中...
載入中...
VoiceStudio 是 active-beta 的 local-first 語音工作台，整合 16 TTS、11 ASR、voice cloning、video dubbing、OpenAI-compatible API 與 MCP。本文校正 646 語言與 CPU 慢 3 倍等說法，整理 Apple Silicon/Windows/Linux 條件、MCP 安全、AGPL 與模型權重個別授權風險，以及 BigIntTech 語音客服/影音產線的 PoC 建議。
Hugging Face 的 speech-to-speech repo 是 Apache-2.0 的本機語音 agent pipeline，串起 VAD → STT → LLM → TTS，提供 OpenAI Realtime-compatible WebSocket。它可以 fully local，但預設 quickstart 仍用 OpenAI-compatible LLM API；若要完全本地，需要另跑 llama.cpp/vLLM/MLX-LM 等 LLM backend，並注意模型授權與 GPU/Apple Silicon/CUDA 相容性。