チュートリアルやショート動画のナレーションは、編集より時間がかかることが多い。VoiceStudioはElectronデスクトップアプリで、声のクローン、合成、文字起こし、タイムライン吹き替えを一つにまとめます。推論は既定でローカル、アカウント不要、音声は同意なしにクラウドへ送られません。ライセンスはAGPL-3.0、サイトは voicestudio.sh。
ElevenLabsのようなホスト型APIと違い、計算は自前のマシン上です。Macで他の音声モデルを試したことがあれば、Qwen3-TTS のMac検証と同様、まず容量と初回ダウンロードを確認してください。
VoiceStudioでできること
READMEの三列は作成（クローン/デザイン）、制作（ダビング、オーディオブック、バッチ）、接続（ローカルAPI、MCP、監視フォルダ）です。Model ManagerでOmniVoice以外の軽量エンジンも選べます。
OmniVoiceと硬件
ゼロショットクローン、600+言語、24 kHz mono。GPUはVRAM6 GB目安。参照音声は3～10秒、ノイズの少ない単一話者。
macOSインストール
docs/install/macos.md からApple Silicon版をインストール。初回はモデルダウンロード。Intel MacはUIのみでローカル推論は非対応。
初回クローン
- Voice Cloningを開く
- 3～10秒の参照音をアップロード
- テキストを入力してOmniVoiceで生成
- プロファイルを保存
動画ダビング
Dubbingワークスペースで映像を読み込み、役ごとにプロファイルを割り当て、タイムラインに合わせて出力します。
APIとAgent
Local API、MCP、npx skills add debpalash/VoiceStudio でAgent連携。Dictationとwhisper.cpp ASRもModel Catalogueから。
Apple SiliconとCloud Mac
長時間ダビングは16 GB以上のApple Siliconや、SSH/VNCのCloud Mac向き。ローカルAI Gatewayで原稿、VoiceStudioで音声、という分担も可能です。
FAQ
構造化データを参照してください。