MimikaStudio

MimikaStudio 是一款面向 macOS（Apple Silicon） 的本地优先应用，集 语音克隆、文本转语音（TTS）、PDF 朗读、有声书创作 于一体。所有处理均在设备端完成，无需联网，不上传音频，保障用户隐私。

通过 MLX + Metal 原生加速，它能在 M1/M2/M3/M4 芯片上高效运行多款前沿 TTS 模型，包括 Qwen3-TTS、Chatterbox 和 Kokoro，支持从 3 秒音频中克隆任意人声，并生成高质量多语言语音。

⚠️ 当前仅提供 macOS 预构建版本，Windows/Linux 支持计划中。

核心能力

3 秒语音克隆

上传一段 ≥3 秒 的音频（如语音备忘录、播客片段），即可用该声音合成新内容。支持：

• Qwen3-TTS：10 种语言，0.6B / 1.7B 模型可选
• Chatterbox：23 种语言，含希伯来语等小语种

9 种优质预设发音人

无需参考音频，直接使用专业录制的发音人：

• 英语：Ryan（活力男）、Aiden（阳光男）
• 中文：Vivian（明亮女）、Uncle Fu（醇厚男）
• 日语：Ono Anna（俏皮女）
• 韩语：Sohee（温暖女）

超快英式 TTS（Kokoro）

82M 小模型，延迟 <200ms，提供 21 种英式/美式音色（Emma、George、Lily 等），适合实时朗读。

PDF 与文档朗读

• 支持 PDF、EPUB、TXT、DOCX 等格式
• 逐句高亮，同步语音播放
• 可导出为 WAV/MP3/M4B 有声书，带章节标记与字幕（SRT/VTT）

统一语音库 & 高级控制

• 所有引擎共享同一语音样本库
• 支持风格指令：“轻声细语”、“兴奋地讲述”
• 可调参数：温度、top_p、重复惩罚、随机种子

支持模型概览

模型首次使用时自动下载（总计约 3–5 GB），也可通过 CLI 预加载。

安装与启动（macOS）

系统要求

• macOS 13+（Ventura 或更高）
• Apple Silicon（M1/M2/M3/M4）
• 8GB+ 内存（推荐 16GB）
• 10GB 可用存储

自动安装（推荐）

git clone https://github.com/BoltzmannEntropy/MimikaStudio.git
cd MimikaStudio
./install.sh  # 自动安装依赖、模型、Flutter

启动应用

source venv/bin/activate
./bin/mimikactl up          # 启动桌面版
./bin/mimikactl up --web    # 启动 Web UI（http://127.0.0.1:5173）

命令行工具（mimika）

MimikaStudio 提供完整的 CLI，适合脚本集成：

# 使用 Kokoro 朗读文本
./bin/mimika kokoro "Hello!" --voice bf_emma --output hello.wav

# 用 Ryan 发音人生成有声书
./bin/mimika qwen3 book.pdf --speaker Ryan --output book.mp3

# 克隆声音（需参考音频）
./bin/mimika qwen3 "New text" --clone --reference voice.wav

支持批量处理文档、自定义语速、输出格式（WAV/MP3/M4B）等。

开发者友好：API 与 MCP 集成

REST API

后端基于 FastAPI，提供 60+ 个端点，涵盖：

• TTS 生成、语音管理、有声书任务
• 实时系统监控（CPU/GPU/内存）
• 模型状态查询与下载

访问 http://localhost:8000/docs 查看交互式文档。

MCP 协议支持

内置 MCP 服务器（端口 8010），将所有功能暴露为标准工具，可被 Claude Code、Codex、OpenClaw 等智能体直接调用。

应用内 “MCP 与 API” 仪表盘 实时展示：

• 所有工具与 API 端点
• 服务健康状态
• 参数说明与搜索

为什么选择 MimikaStudio？

• ✅ 完全本地运行：无网络依赖，数据不出设备
• ✅ Apple Silicon 原生优化：Metal 加速，性能高效
• ✅ 多引擎融合：克隆 + 预设 + 快速 TTS 三位一体
• ✅ 创作者友好：从 PDF 到有声书，一键生成专业内容
• ✅ 开放可扩展：CLI + API + MCP，无缝集成工作流