用途：通过 OmniVoice Studio MCP 服务器在本地生成音频，支持文本转语音、声音克隆、声音设计与视频配音，数据不离开本机。
主要能力：MCP 工具包括 generate_speech、list_voices、list_personalities、list_languages、check_health；资源包括 voice://{id} 与 history://recent。generate_speech 可配合已保存声音（profile_id）或声音设计指令（instruct）使用，支持多语言（ISO 639 代码或 Auto），steps 参数控制质量（8 快速、16 平衡、32 高质量），返回 base64 WAV（16 位、单声道、24 kHz）。
使用方式：需先启动后端，工具默认访问 $OMNIVOICE_API_URL（默认 http://localhost:3900）。安装与启动： git clone https://github.com/debpalash/OmniVoice-Studio.git "$OMNIVOICE_HOME" cd "$OMNIVOICE_HOME" uv sync VIRTUAL_ENV="$(pwd)/.venv" uv pip install 'mcp[cli]' 然后运行 scripts/check-health.sh 检查状态，scripts/start-backend.sh 后台启动。首次合成会从 HuggingFace 懒加载 k2-fsa/OmniVoice 模型（约 2.4 GB），之后缓存。
声音克隆：需 3-10 秒参考音频，MCP 服务器不提供创建 profile 的接口，只能读取已有 profile。可用 scripts/record-reference.sh 录制（仅 macOS），或手动用 ffmpeg 录制并裁剪，再 POST 到 /profiles（multipart/form-data，必填 name、ref_audio）。profile 持久化在 SQLite 与 ~/Library/Application Support/OmniVoice/voices/ 下。
适用场景：本地多语言旁白、声音克隆、声音设计。视频配音仅桌面 UI 与 /dub/* REST 路由提供，MCP 不暴露。
限制：后端未运行则所有工具报连接错误；不适合弱硬件上的快速纯英文旁白、最低摩擦的一次性 TTS、追求最高英文质量或实时流式听写。上游采用 FSL-1.1-ALv2 许可，个人/内部/非商业免费，发布两年后自动转为 Apache-2.0。