第2章 安装指南

概览

Voicebox 支持 macOS 和 Windows，Linux 版本即将推出。

macOS 下载：适用于 Apple Silicon 或 Intel Mac Windows 下载：MSI 安装包或 Setup 可执行文件

macOS 下载：voicebox_aarch64.app.tar.gz # 解压文件包 tar -xzf voicebox_aarch64.app.tar.gz

# 移至应用程序文件夹 mv Voicebox.app /Applications/

下载：voicebox_x64.app.tar.gz # 解压文件包 tar -xzf voicebox_x64.app.tar.gz

# 移至应用程序文件夹 mv Voicebox.app /Applications/

Windows 下载：voicebox_x64_en-US.msi 双击 MSI 文件，并按照安装向导操作。 下载：voicebox_x64-setup.exe 运行可执行文件，并按照安装向导操作。

Linux Linux 构建版本即将推出。目前受限于 GitHub runner 的磁盘空间。

首次启动 首次启动 Voicebox 时：

模型下载 — 首次使用的 TTS 引擎会自动下载其模型。模型大小约从 350 MB（Kokoro）到 8 GB（TADA 3B）不等。大多数用户从 Qwen 1.7B（约 3.5 GB）开始。

数据目录 — 语音配置文件和生成的音频存储在：

macOS: ~/Library/Application Support/sh.voicebox.app/ Windows: %APPDATA%/sh.voicebox.app/ Linux: ~/.config/sh.voicebox.app/

后端服务器 — 内置的 Python 服务器会自动启动

由于模型下载，首次生成速度较慢。后续运行将使用缓存模型。

系统要求 最低配置

OS: macOS 11+、Windows 10+ 或 Linux RAM: 8GB 存储: 5GB 可用空间（用于模型和数据） CPU: 现代多核处理器

推荐配置

RAM: 16GB+ GPU: 支持 CUDA 的 NVIDIA GPU（用于加速生成） 存储: 10GB+ 可用空间

支持 CPU 推理，但速度明显慢于 GPU。实时工作流强烈建议配备支持 CUDA 的 GPU。

验证 安装完成后，验证一切正常：

启动 Voicebox 检查左下角的服务器状态指示器（应为绿色） 导航至配置文件（Profiles）并创建测试配置 生成一小段音频以验证 TTS 引擎是否正常工作

如果你看到绿色状态指示器且能生成音频，即设置完成！

下一步 快速入门指南：创建第一个语音配置文件并生成语音 在 GitHub 上编辑 简介：Voicebox 是开源的本地优先 AI 语音工作室——ElevenLabs 和 WisprFlow 的免费替代品，完全在你的机器上运行。 Docker 部署：使用 Docker 将 Voicebox 作为无头服务器运行，并提供 Web UI