OpenSource-Hub
V

VoiceStudio

SHA-256
15.3k stars·AI 生産性·SHA-256 チェックサム確認済み

オープンソースのローカル音声クローン・ダビングツール。646言語に対応し、完全にオフラインで動作し、アカウントやサブスクリプションは不要です。

スマートダウンロード

Download 版をダウンロード

v0.5.1 · 162.2 MB

ElevenLabs に匹敵する完全ローカルの音声クローニング・オーディオブックツール

主な機能

  • 音声クローン：3〜15秒の参照音声をアップロードするだけで任意のテキストを音声合成でき、声のスタイルを忠実に再現
  • ボイスデザイン：年齢、アクセント、ピッチ、スタイルなどの説明から全く新しい声を作成可能
  • 動画ダビング：文字起こし・翻訳を行い、話者の音色を保持したまま、音声にぴったり合う字幕を自動生成して動画をエクスポート
  • オーディオブック・物語：EPUB/PDF のインポート、複数キャラクターのスクリプトに対応し、.m4b 形式で出力
  • 音声入力ウィジェット：グローバルショートカットキーでリアルタイム文字起こしを呼び出し、オプションでローカル LLM と連携してテキストを整形可能

できないこと

  • •現在もアクティブな Beta 段階：最新の Release バージョンを優先的に使用してください。main ブランチは不安定な可能性があります
  • •NVIDIA グラフィックスカードまたは Apple Silicon が搭載されていない場合、CPU モードの速度は大幅に低下します。少なくとも 16GB のメモリを推奨します
  • •デフォルトのモデルウェイトは CC-BY-NC ライセンスです。商用利用の場合は上流モデルのライセンス条項を確認してください
  • •Intel Mac ではローカルバックエンドを実行できません。リモートコンピュートノードへの接続が必要です

使用例

  • 動画、コース、ポッドキャスト向けに多言語の吹き替えを制作でき、個人クリエイターは著作権やクラウド費用を心配する必要がありません
  • オーディオブックや長編コンテンツをオフラインで一括生成 —— データはデバイスから出ないため、プライバシーを重視するユーザーに最適です

VoiceStudio（旧称 OmniVoice-Studio）は、完全にローカルで動作するオープンソースの音声ツールで、ElevenLabs のオープンソース代替として知られています。音声クローン、サウンドデザイン、動画の吹き替え、ディクテーション、文字起こし、オーディオブック制作を一つに統合し、646 言語に対応、16 種類の TTS エンジンと 11 種類の ASR エンジンを内蔵しており、完全にローカルハードウェア上で動作します。アカウント登録、API キー、サブスクリプション、従量課金は一切不要です。音声をクラウドにアップロードしなければならない商用サービスとは異なり、VoiceStudio はデフォルトですべてのデータをローカルに保持し、リモート機能はすべてオプションで有効化できます。 アプリにはモデルリポジトリ（Model Catalogue）が内蔵されており、いつでもエンジンやモデルを切り替えることができます。バッチキュー、オーディオのボーカル分離、話者分離、AI ウォーターマークに対応し、OpenAI 仕様に準拠したローカル API と MCP サーバーインターフェースも提供しており、二次開発が容易です。デスクトップアプリ（macOS Apple Silicon / Windows / Linux）と Docker デプロイを提供し、CUDA、MPS、ROCm などの GPU アクセラレーションを自動的に認識します。ライセンスは AGPL-3.0 で、ソースコードは完全に公開されており、プライベートデプロイ、バッチ制作、オフライン制作など、データプライバシーと高いコストパフォーマンスが求められる場面に適しています。

タグ

voice-cloningtext-to-speechlocal-aivideo-dubbingopen-source

はじめ方

1

インストーラをダウンロード

上のボタンをクリックして、お使いのシステム用のインストーラをダウンロード

Windows· 162.2 MBmacOS· 107.8 MBLinux· 225.9 MB
2

ソフトウェアをインストール

ダウンロードしたインストーラをダブルクリックし、指示に従ってください

3

GitHub Releases からお使いのシステム（macOS arm64 / Windows x64 / Linux）に対応するインストールパッケージをダウンロードして実行します

4

初回起動時に Python 環境が自動的に作成され、デフォルトモデルがダウンロードされますので、しばらくお待ちください

5

「音声クローン」ページを開き、クリアな音声サンプルをアップロードし、テキストを入力して言語を選択し、「生成」をクリックするだけです

インストールガイド
  1. GitHub Releases からお使いのシステム（macOS arm64 / Windows x64 / Linux）に対応するインストールパッケージをダウンロードして実行します
  2. 初回起動時に Python 環境が自動的に作成され、デフォルトモデルがダウンロードされますので、しばらくお待ちください
  3. 「音声クローン」ページを開き、クリアな音声サンプルをアップロードし、テキストを入力して言語を選択し、「生成」をクリックするだけです
ファイルの整合性

SHA-256 チェックサム確認済み

GitHub 公式 Release ページから抽出されたチェックサム

SHA256 チェックサム

0e0a9b3ef7d4c48243bae2b12f610c5bc991bbb127e17700a410c24063cab2a6

このチェックサムは GitHub Release ページから抽出されたものです。ダウンロード後にファイルの整合性を確認してください。

本プラットフォーム上のすべての SHA-256 チェックサムは、プロジェクトの公式 GitHub Release ページから抽出されたもので、一切の改変はありません。GitHub Releases ページで独自に検証できます。

オープンソースの透明性

GitHub ソースを見る
環境ガイド

アンインストール情報

アンインストールする際は、アプリケーションディレクトリとデフォルトのモデルキャッシュ（通常は ~/.cache または ~/Library/Application Support/VoiceStudio にあります）を削除してください。設定の「セルフチェック」で完全なパスを確認できます。これらのフォルダを削除すれば、完全にアンインストールできます。

追加の依存関係なし

ダウンロード後すぐに使用可能。追加のランタイムは不要です。

プロジェクト情報
ライセンスAGPL-3.0
最終更新2026-10-28 17:07:17
GitHub リポジトリ公式サイト

問題が発生？以下のFAQを確認

5 FAQs

類似プロジェクト

O

ollama

ローカルで大規模言語モデル（LLM）をワンクリックで実行・管理するオープンソースツール。複数のプラットフォームと豊富なモデルに対応しています。

L

llama.cpp

純粋なC/C++による高性能大規模モデル推論エンジン。低ビット量子化および多種ハードウェア（Apple Silicon、CUDA、Vulkanなど）をサポート。軽量で組込み可能。

C

ComfyUI

ComfyUI はモジュール式の AI 創作エンジンであり、ノードグラフインターフェースを通じて、積み木を組み立てるように画像、動画、3D、オーディオを生成できます。従来の WebUI よりも柔軟で効率的であり、プロフェッショナルや自動化パイプラインに適しています。