Бесплатное open-source приложение для клонирования голоса и озвучки, которое работает локально: несколько секунд записи — и модель воспроизводит тембр. Внутри 8 TTS-движков, 23 языка, распознавание речи через Whisper, диктовка в любое поле и MCP/REST API для агентов. Автор ролика проверил на себе: приложение один раз зависло, после перезапуска голос сохранился, озвучка получилась похожей, но генерация заняла заметное время. На GitHub ~59 тыс. звёзд, лицензия MIT.
Подробно
Основное
| Поле | Значение |
|---|---|
| Название | Voicebox |
| Автор | Jamie Pine (@jamiepine) |
| Тип | локальная AI-студия голоса (Tauri + React + FastAPI) |
| Лицензия | MIT |
| GitHub | jamiepine/voicebox, ~59.1k звёзд, 7.4k форков |
| Платформы | macOS (MLX), Windows (CUDA/DirectML), Linux (сборка из исходников / Docker), AMD ROCm, Intel Arc |
| TTS-движки | Qwen3-TTS, Qwen CustomVoice, Qwen VoiceDesign, LuxTTS, Chatterbox Multilingual, Chatterbox Turbo, HumeAI TADA, Kokoro |
| Языки | 23 |
| STT | Whisper / Whisper Turbo |
| API | REST + встроенный MCP-сервер |
Что умеет
- Клонирование голоса по короткому образцу: сайт заявляет от 3 секунд, в ролике — около 20 секунд записи.
- Генерация речи на 23 языках, с эмоциями и паралингвистическими тегами (смех, вздох) через Chatterbox Turbo.
- Диктовка в любое текстовое поле по горячей клавише, распознавание через Whisper.
- Stories editor — многодорожечный редактор для диалогов и подкастов.
- Эффекты: питч, реверб, дилей, хорус, компрессор.
- Агентский голос: один tool call
voicebox_speak— и любой MCP-агент (Claude Code, Cursor, Cline) говорит выбранным голосом. - Приватность: модели, голоса и записи не покидают машину.
Как проверял автор ролика
- Скачал репозиторий, открыл приложение.
- Нажал Create Voice → Start Recording, записал ~20 секунд.
- Приложение зависло; после перезапуска голос сохранился.
- Сгенерировал случайный текст — голос оказался похожим, но генерация заняла больше времени, чем ожидалось.
В комментариях подтверждают: на слабых и средних ПК генераторы работают медленно и периодически вылетают; кто-то пишет «эта херня не работает» — типичная реакция при нехватке VRAM или неверной установке.
Ограничения
- Linux: готовых бинарников пока нет, нужна сборка из исходников или Docker.
- Нужен GPU для комфортной скорости; на CPU будет медленно.
- Качество клонирования зависит от чистоты записи: без музыки, шума и эха.
- Юридическая сторона: клонирование чужого голоса без согласия — плохая идея и во многих юрисдикциях нарушение. Для публикации синтетического голоса нужно согласие владельца.
Ссылки
Почему сохранил
- Бесплатная локальная альтернатива ElevenLabs — без подписки и отправки голоса в облако.
- Закрывает сразу две задачи: озвучка и диктовка, плюс MCP для агентов.
- Автор ролика честно показывает не только плюсы, но и зависание/медленную генерацию.
Стоит ли
Пробовать, если есть NVIDIA-карта и нужна локальная озвучка или клонирование голоса для своих проектов. На Linux будьте готовы собирать из исходников. Если нужен «поставил и работает за пять минут» — это не тот случай. И помните про согласие на использование чужого голоса.
Проверено
- 2026-10-31: лицензия, звёзды, платформы, движки, API — GitHub-репозиторий и сайт.
- 2026-10-31: тест автора, зависание и результат — транскрипт ролика.
- 2026-10-31: жалобы на производительность — комментарии (мнения).
- 2026-10-31: требования к Linux — README (сборка из исходников, бинарников нет).