Repolode
Enviar
jamiepine

jamiepine/voicebox

Estúdio de voz com IA open source e local para clonar vozes, gerar fala, ditar em qualquer app e dar voz a agentes de IA.

Alternativa open source a:ElevenLabsWispr FlowSuperwhisper

Ver no GitHubSite
Estrelas
57,928
Forks
7,263
Issues abertas
514
Último commit
há 12 dias

O que é?

O Voicebox é um estúdio de voz local que cobre os dois lados da entrada e saída de áudio: conversão de texto em fala com vozes clonadas ou predefinidas e ditado com conversão de fala em texto. Ele reúne vários mecanismos de TTS, incluindo Qwen3-TTS, Chatterbox, Kokoro e HumeAI TADA, e permite clonar vozes a partir de áudios de referência, com geração em 23 idiomas. Os modelos e os dados de voz são executados no próprio computador do usuário.

Na entrada, uma tecla de atalho global permite ditar no campo de texto em foco no macOS, e cada campo de texto do Voicebox tem um botão de microfone integrado. A transcrição usa Whisper, e um LLM Qwen3 local opcional pode remover palavras de preenchimento. As gravações são armazenadas com suas transcrições e podem ser reutilizadas como amostras de voz.

Para agentes, o Voicebox inclui um servidor MCP integrado e uma REST API, permitindo que ferramentas como Claude Code ou Cursor chamem uma ferramenta de fala e gerem áudio com uma voz clonada escolhida. O app para desktop é desenvolvido com Tauri e roda em MLX, CUDA, ROCm, DirectML, Intel Arc ou CPU, com suporte a Docker.

Recursos principais

  • 01Clonagem de voz a partir de áudio de referência e vozes predefinidas em oito mecanismos de TTS
  • 02Geração de fala em 23 idiomas, com tags paralinguísticas no Chatterbox Turbo
  • 03Tecla de atalho global para ditado com colagem automática no macOS e transcrição baseada em Whisper
  • 04Efeitos de pós-processamento, como mudança de tom, reverberação, delay e compressão
  • 05Servidor MCP integrado e REST API para agentes falarem, transcreverem e listarem perfis
  • 06Execução local em MLX, CUDA, ROCm, DirectML, Intel Arc ou CPU

Casos de uso

  • Dar a um agente de programação com IA uma voz clonada para ler os resultados das tarefas
  • Ditar texto em qualquer aplicativo de desktop mantendo uma tecla de atalho pressionada
  • Narrar artigos longos ou capítulos com divisão automática em trechos e transição com crossfade
  • Produzir áudio de podcasts ou diálogos com várias vozes em um editor de linha do tempo

Tópicos

#voice-cloning#text-to-speech#speech-to-text#whisper#mcp#local-first#dictation#tauri#ai#cuda

Perguntas frequentes

O que é voicebox?
Estúdio de voz com IA open source e local para clonar vozes, gerar fala, ditar em qualquer app e dar voz a agentes de IA. O Voicebox é um estúdio de voz local que cobre os dois lados da entrada e saída de áudio: conversão de texto em fala com vozes clonadas ou predefinidas e ditado com conversão de fala em texto. Ele reúne vários mecanismos de TTS, incluindo Qwen3-TTS, Chatterbox, Kokoro e HumeAI TADA, e permite clonar vozes a partir de áudios de referência, com geração em 23 idiomas. Os modelos e os dados de voz são executados no próprio computador do usuário.
voicebox é gratuito? Qual é a licença?
voicebox é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.
voicebox ainda é mantido?
Manutenção ativa. O último commit de voicebox foi em 7 de out. de 2026.
Para que posso usar voicebox?
Dar a um agente de programação com IA uma voz clonada para ler os resultados das tarefas Ditar texto em qualquer aplicativo de desktop mantendo uma tecla de atalho pressionada Narrar artigos longos ou capítulos com divisão automática em trechos e transição com crossfade Produzir áudio de podcasts ou diálogos com várias vozes em um editor de linha do tempo
Onde consigo voicebox?
O código-fonte e as instruções de instalação estão no GitHub: https://github.com/jamiepine/voicebox

Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.

Projetos relacionados