The open-source AI voice studio. Clone, dictate, create.
이 번역은 AI가 원문 README를 옮긴 것입니다. 원문이 항상 우선합니다.
<p align="center"> <img src=".github/assets/icon-dark.webp" alt="Voicebox" width="120" height="120" /> </p>
<h1 align="center">Voicebox</h1>
<p align="center"> <strong>오픈소스 AI 음성 스튜디오.</strong><br/> 모든 음성을 복제하세요. 음성을 생성하세요. 어떤 앱에든 받아쓰기하세요. 당신이 소유한 목소리로 에이전트와 대화하세요.<br/> 로컬 머신에서 실행되는 완전한 음성 I/O 스택. </p>
<p align="center"> <a href="https://voicebox.sh">voicebox.sh</a> • <a href="https://docs.voicebox.sh">문서</a> • <a href="#download">다운로드</a> • <a href="#features">기능</a> • <a href="#api">API</a> • <a href="docs/content/docs/overview/troubleshooting.mdx">문제 해결</a> </p>
<br/>
<p align="center"> <a href="https://voicebox.sh"> <img src="landing/public/assets/app-screenshot-1.webp" alt="Voicebox 앱 스크린샷" width="800" /> </a> </p>
<p align="center"> <em>위 이미지를 클릭하면 <a href="https://voicebox.sh">voicebox.sh</a>에서 데모 비디오를 볼 수 있습니다.</em> </p>
<br/>
<p align="center"> <img src="landing/public/assets/app-screenshot-2.webp" alt="Voicebox 스크린샷 2" width="800" /> </p>
<p align="center"> <img src="landing/public/assets/app-screenshot-3.webp" alt="Voicebox 스크린샷 3" width="800" /> </p>
<br/>
Voicebox는 로컬 우선 AI 음성 스튜디오입니다. 하나의 앱에서 ElevenLabs와 WisprFlow의 무료 오픈소스 대안입니다. 몇 초의 오디오로 음성을 복제하고, 7개의 TTS 엔진으로 23개 언어로 음성을 생성하며, 글로벌 핫키로 모든 텍스트 필드에 받아쓰기하고, MCP를 인식하는 모든 AI 에이전트에 원하는 음성을 부여할 수 있습니다.
두 클라우드 기존 업체는 음성 I/O 루프의 반대쪽에 있습니다. ElevenLabs는 출력, WisprFlow는 입력입니다. Voicebox는 둘 다 수행하며, 번들 로컬 LLM을 사용한 정제 및 프로필별 페르소나로 연결하고, 전체를 사용자 머신에서 실행합니다.
[laugh], [sigh], [gasp] 같은 준언어적 태그; Qwen CustomVoice를 통한 자연어 전달 제어voicebox.speak)로 MCP를 인식하는 모든 에이전트(Claude Code, Cursor, Cline)가 사용자가 복제한 음성으로 말합니다.| 플랫폼 | 다운로드 | ||
|---|---|---|---|
| macOS (Apple Silicon) | DMG 다운로드 | ||
| macOS (Intel) | DMG 다운로드 | ||
| Windows | MSI 다운로드 | ||
| Docker | docker compose up |
Linux — 사전 빌드된 바이너리는 아직 제공되지 않습니다. 소스에서 빌드하는 방법은 voicebox.sh/linux-install를 참조하세요.
문제가 있나요? 일반적인 설치, 생성, 모델 다운로드 및 GPU 문제는 문제 해결 가이드를 참조하세요.
각각 다른 강점을 가진 7개의 TTS 엔진, 생성 시 전환 가능:
| 엔진 | 언어 | 강점 | ||
|---|---|---|---|---|
| Qwen3-TTS (0.6B / 1.7B) | 10 | 고품질 다국어 복제, 전달 지시("천천히 말해", "속삭여") | ||
| Qwen CustomVoice | 10 | 자연어 전달 제어가 가능한 9개의 큐레이션된 사전 설정 음성 — 참조 오디오 불필요 | ||
| LuxTTS | 영어 | 경량(~1GB VRAM), 48kHz 출력, CPU에서 150x 실시간 | ||
| Chatterbox Multilingual | 23 | 가장 넓은 언어 범위 — 아랍어, 덴마크어, 핀란드어, 그리스어, 히브리어, 힌디어, 말레이어, 노르웨이어, 폴란드어, 스와힐리어, 스웨덴어, 터키어 등 | ||
| Chatterbox Turbo | 영어 | 준언어적 감정/소리 태그가 있는 빠른 350M 모델 | ||
| TADA (1B / 3B) | 10 | HumeAI 음성-언어 모델 — 700초 이상 일관된 오디오, 텍스트-음향 이중 정렬 | ||
| Kokoro | 8 | 50개의 큐레이션된 사전 설정 음성, 작은 82M 모델, 빠른 CPU 추론 |
Chatterbox Turbo만 [laugh] 및 [sigh] 같은 준언어적 태그를 해석합니다. Qwen3-TTS, LuxTTS, Chatterbox Multilingual, HumeAI TADA는 이를 문자 그대로 텍스트로 읽습니다.
Chatterbox Turbo가 선택된 상태에서 텍스트 입력에 /를 입력하면 태그 삽입기가 열리고 음성에 표현 태그를 인라인으로 추가할 수 있습니다:
[laugh] [chuckle] [gasp] [cough] [sigh] [groan] [sniff] [shush] [clear throat]
Spotify의 pedalboard 라이브러리로 구동되는 8개의 오디오 효과. 생성 후 적용, 실시간 미리보기, 재사용 가능한 프리셋 구축.
| 효과 | 설명 | ||
|---|---|---|---|
| 피치 시프트 | 최대 12반음 위 또는 아래로 | ||
| 리버브 | 구성 가능한 룸 크기, 댐핑, 웻/드라이 믹스 | ||
| 딜레이 | 조정 가능한 시간, 피드백, 믹스가 있는 에코 | ||
| 코러스 / 플랜저 | 변조된 딜레이로 메탈릭 또는 풍부한 질감 | ||
| 컴프레서 | 다이나믹 레인지 압축 | ||
| 게인 | 볼륨 조정(-40 ~ +40 dB) | ||
| 하이패스 필터 | 저주파 제거 | ||
| 로우패스 필터 | 고주파 제거 |
4개의 내장 프리셋(Robotic, Radio, Echo Chamber, Deep Voice)과 함께 제공되며 사용자 정의 프리셋을 지원합니다. 효과는 프로필별 기본값으로 할당될 수 있습니다.
텍스트는 문장 경계에서 자동으로 분할되고 각 청크는 독립적으로 생성된 다음 크로스페이드됩니다. 모든 엔진에서 작동합니다.
[tags]를 존중합니다.모든 생성은 출처 추적이 포함된 여러 버전을 지원합니다:
생성은 비차단입니다. 제출하고 즉시 다음 생성을 입력하세요.
대화, 팟캐스트, 내러티브를 위한 다중 음성 타임라인 편집기.
음성 I/O 루프의 다른 절반입니다. 시스템 어디에서나 핫키를 누르고, 말하고, 놓으면 macOS에서는 전사본이 포커스된 텍스트 필드에 바로 붙여넣어집니다. 또는 Voicebox 텍스트 입력에서 마이크를 누르고 앱에 직접 받아쓰기하세요.
Space를 탭하면 오디오 끊김 없이 토글 세션으로 업그레이드됩니다.recording, transcribing, refining, speaking 상태를 표시하는 플로팅 오버레이. 에이전트가 사용자에게 말할 때 사용하는 동일한 알약으로, 루프의 양방향에 대해 하나의 정신 모델을 제공합니다.Voicebox는 전사를 위해 OpenAI Whisper를 실행합니다. 이는 받아쓰기, 캡처 탭 및 /transcribe API를 지원하는 동일한 모델입니다. 플랫폼에 따라 MLX(Apple Silicon) 또는 PyTorch(CUDA / ROCm / DirectML / CPU)에서 실행됩니다.
| 크기 | 참고사항 |
|---|