Voicebox开源：本地克隆声音，给Claude Code配音，支持情绪标签

ElevenLabs 的声音克隆效果不错，但每月几十刀，加上音频数据要上传到他们服务器——这两道坎不小。Voicebox 是开源平替，28000+ Star，核心是本地优先。

几秒钟参考音频就能生成声音模型，覆盖23种语言。内置7个TTS引擎，各有侧重：Chatterbox Turbo 支持 [laugh]、[sigh] 这类情绪标签，让生成语音带真实情绪；Qwen3-TTS 擅长多语言克隆还能听懂「慢一点说」「用耳语」这种自然语言指令；没有显卡的可以选 Kokoro，82M模型CPU就能跑。

接入 Claude Code 只需一行：
claude mcp add voicebox --transport http --url http://127.0.0.1:17493/mcp

接上之后，Claude Code 能用你克隆的声音说「测试通过，可以合并」。还能给不同 Agent 绑定不同声音，听声音就能分辨是哪个 Agent 在汇报。

还有一个「人格化」功能：给声音绑一段人设描述，比如「毒舌的代码审查官」，之后所有输出文本都会先按人设改写，再合成语音。说话风格也是你定的。

macOS 和 Windows 都有安装包，苹果 M 芯片上速度比通用方案快不少，NVIDIA 显卡自动走 CUDA。缺点是 Qwen3-TTS 模型文件有几个 G，首次下载得等。

项目地址：https://pan.quark.cn/s/6f22fd03bfd1

GitHub 项目地址：https://github.com/jamiepine/voicebox