voicebox

O nástroji

Voicebox je zdarma a open-source AI voice studio, které funguje jako lokální alternativa k placeným službám typu ElevenLabs. Umožňuje klonovat hlasy z několika sekund audionahrávky nebo vybrat z více než 50 přednastavených hlasů a generovat řeč ve 23 jazycích pomocí sedmi různých TTS enginů. Kromě generování řeči nástroj podporuje expresivní projev díky paralingvistickým značkám (např. [laugh], [sigh]), diktování do libovolné aplikace pomocí globální klávesové zkratky a skládání multi-hlasových projektů v timeline editoru. Díky automatickému chunkování textu není délka generované řeči omezena. Voicebox běží celý na lokálním hardwaru uživatele bez nutnosti cloudu či předplatného, a to na macOS, Windows i Linuxu (včetně podpory Intel Arc a Dockeru). K dispozici je také API (REST a WebSocket) a MCP server pro integraci s AI agenty, což ocení zejména vývojáři a tvůrci automatizovaných řešení.

Klíčové vlastnosti

• Klonování hlasu z několika sekund audionahrávky
• Přes 50 přednastavených hlasů ve 23 jazycích
• Sedm různých TTS enginů na výběr
• Expresivní projev pomocí značek jako [laugh] či [sigh]
• Diktování do libovolné aplikace globální klávesovou zkratkou
• Běží lokálně bez cloudu, dostupné i API a MCP server

Časté dotazy

Kategorie