VoiceStudio 把克隆与配音搬回本机，Filee 用一套引擎覆盖 255 种格式、免掉 Office 授权，speech.cpp、BetterWispr 与 Oído 再把识别与合成压到单文件、Mac 与 5 美元芯片上。
这五条都不是新模型，而是把已有模型装进能交付的形状：桌面应用、单文件 CLI、系统级听写、5 美元芯片上的固件。收费位置也跟着挪——从按字符、按分钟、按席位的云账单，挪到授权、预装与支持上。
定位把克隆、声音设计、视频配音、有声书搬到本机，桌面应用加本地 API 与 MCP，标称 646 种语言。
痛点配音与有声书按字符计费，量一大成本压不住；客户素材又不允许出内网。
付费开源版 AGPL-3.0；Pro 与 Lifetime 是闭源商业授权，按席位卖，Cloud 托管在早期接入。
规模化配音工作室、本地化服务商、有声书制作是同一条流水线，换语种只换模型，界面与 API 共用。
边际低 · 推理跑在客户自己的机器上，官方不背算力。
验证下 v0.5.6 桌面版或 Docker 镜像，打开 Voice Clone，给三段音频看音色复现。
定位拖放式离线格式转换：255 种格式，含 HWP/HWPX 互转与 OFD 读取，不装 Office、Hancom 或 WPS。
痛点转个 HEIC、HWP 要先买套办公软件，或者把文件传到在线站点，敏感文档两头都不放心。
付费MIT、无广告无额度；收费位置在 OEM 预装、企业内网批量授权与韩文公文场景。
规模化CLI 出 JSON 与退出码、可监视文件夹，能嵌进影像归档或 ERP 流水线，引擎不用改。
边际低 · 本地转换，官方只发安装包与可选引擎。
验证装完在 PATH 上跑 filee convert *.heic --to jpg；或把一个 PDF 拖到 DOCX 那一格。
定位一个 speech 命令加一个 C API，把 TTS、ASR、VAD 放在 ggml 上，CPU、Metal、Vulkan 同一套代码。
痛点语音链路通常要 Python、CUDA 加三四个仓库拼，往设备或桌面端里塞不进去。
付费MIT；可收费处是设备厂商的嵌入式授权与私有模型适配，仓库本身未定价。
规模化自带 OpenAI 音频 API 与 Realtime 转写，改 base URL 就能替云服务；C API 便于进固件。
边际低 · 单文件分发，模型按需拉取。
验证curl -fsSL https://raw.githubusercontent.com/nyosegawa/speech.cpp/main/install.sh | sh
定位macOS 按住说话听写：Whisper、Parakeet 或 Apple 本地识别，文字直接落进当前输入框，兼做会议转写。
痛点这类工具多按月订阅且语音上云，会议与法务内容不能出机器。
付费Apache-2.0 免费；可收费处是企业签名分发、团队词表与审计留痕，仓库目前只挂赞助。
规模化知识工作者通用，装一次即用；MCP 只读接口让 Claude、Cursor 直接读转写稿。
边际低 · 全本地推理，无服务端成本。
验证下 v0.1.5 的 DMG，授权麦克风与辅助功能，在任意输入框按住 ⌥Space 说一句话。
定位把英文、西语的开集识别塞进 5 美元的 ESP32-S3：14MB int8 模型，不要云、不要 NPU。
痛点离线语音设备要么只认固定命令词，要么加 NPU 加联网，BOM 和隐私都吃不住。
付费固件 GPL-3.0、模型 CC-BY；背后是 Lokutor 公司在做，授权对象是模组厂与整机厂。
规模化一套 C 引擎吃多种 Conformer 权重，换语言只换模型文件；玩具、家电、工业面板共用。
边际中 · 每语言要单独训练量化，换板要逐块复测。
验证esp32/tools/emulate.sh clip.wav，QEMU 里跑真固件，不必先买板。
VoiceStudio（debpalash/VoiceStudio）。五条里唯一把付费条款写在明处的：开源版 AGPL，Pro 与 Lifetime 单独商业授权，Cloud 在排队。它替掉的是配音和有声书本来就有的外包与订阅预算，下载一个应用就能验到替代效果。
四条语音加一条文档转换，共同动作是把云端按量计费的那一段搬回本地：模型不动，改的是交付形态与收费口径。对设备厂和内容工作室的含义是，采购清单会从「API 调用额度」变成「授权 + 一次性安装 + 支持合同」，谁的安装包和 C API 更干净，谁更容易进采购。