Repolode
Предложить
jamiepine

jamiepine/voicebox

Локальная open-source студия голосового ИИ: клонируйте голоса, генерируйте речь, диктуйте в любые приложения и озвучивайте ИИ-агентов.

Open source альтернатива:ElevenLabsWispr FlowSuperwhisper

Открыть на GitHubСайт
Звёзды
57,928
Форки
7,263
Открытые issues
514
Последний коммит
12 дней назад

Что это?

Voicebox — локальная студия для работы с голосом, которая поддерживает оба направления: преобразование текста в речь с клонированными или готовыми голосами и диктовку с распознаванием речи. В неё входят несколько движков TTS, включая Qwen3-TTS, Chatterbox, Kokoro и HumeAI TADA. Voicebox умеет клонировать голоса по образцам аудио и генерировать речь на 23 языках. Модели и голосовые данные обрабатываются на устройстве пользователя.

Для ввода текста можно диктовать в активное текстовое поле в macOS с помощью глобального хоткея; кроме того, в каждом текстовом поле Voicebox есть кнопка микрофона. Для транскрибации используется Whisper, а необязательная локальная LLM Qwen3 может удалять слова-паразиты. Записи сохраняются вместе с транскриптами и могут повторно использоваться как образцы голоса.

Для ИИ-агентов в Voicebox встроены MCP-сервер и REST API. Благодаря этому инструменты вроде Claude Code и Cursor могут вызывать функцию speak и озвучивать текст выбранным клонированным голосом. Десктопное приложение написано на Tauri и работает на MLX, CUDA, ROCm, DirectML, Intel Arc или CPU; также поддерживается Docker.

Ключевые возможности

  • 01Клонирование голосов по образцам аудио и готовые голоса — всего восемь движков TTS
  • 02Генерация речи на 23 языках; в Chatterbox Turbo поддерживаются паралингвистические теги
  • 03Глобальный хоткей для диктовки с автоматической вставкой текста в macOS и транскрибацией на основе Whisper
  • 04Эффекты постобработки: изменение высоты тона, реверберация, задержка и компрессия
  • 05Встроенные MCP-сервер и REST API позволяют агентам озвучивать текст, транскрибировать речь и просматривать профили
  • 06Локальный запуск на MLX, CUDA, ROCm, DirectML, Intel Arc или CPU

Сценарии использования

  • Озвучивание результатов задач клонированным голосом для ИИ-агента, помогающего с программированием
  • Диктовка текста в любое десктопное приложение с удержанием хоткея
  • Озвучивание длинных статей или глав с автоматическим разбиением на фрагменты и кроссфейдом
  • Создание подкастов или диалогов с несколькими голосами в редакторе с таймлайном

Темы

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

Частые вопросы

Что такое voicebox?
Локальная open-source студия голосового ИИ: клонируйте голоса, генерируйте речь, диктуйте в любые приложения и озвучивайте ИИ-агентов. Voicebox — локальная студия для работы с голосом, которая поддерживает оба направления: преобразование текста в речь с клонированными или готовыми голосами и диктовку с распознаванием речи. В неё входят несколько движков TTS, включая Qwen3-TTS, Chatterbox, Kokoro и HumeAI TADA. Voicebox умеет клонировать голоса по образцам аудио и генерировать речь на 23 языках. Модели и голосовые данные обрабатываются на устройстве пользователя.
voicebox можно использовать бесплатно? Какая у него лицензия?
voicebox распространяется с открытым исходным кодом под лицензией MIT. Перед использованием в коммерческих продуктах проверьте условия лицензии.
voicebox всё ещё поддерживается?
Активно поддерживается. Последний коммит в voicebox — 7 окт. 2026 г..
Для чего можно использовать voicebox?
Озвучивание результатов задач клонированным голосом для ИИ-агента, помогающего с программированием Диктовка текста в любое десктопное приложение с удержанием хоткея Озвучивание длинных статей или глав с автоматическим разбиением на фрагменты и кроссфейдом Создание подкастов или диалогов с несколькими голосами в редакторе с таймлайном
Где скачать voicebox?
Исходный код и инструкции по установке — на GitHub: https://github.com/jamiepine/voicebox

Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.

Похожие проекты