Was ist VoiceStudio?
VoiceStudio ist eine Desktop-App, dazu kommen Docker-Images und Vorschauversionen für das Smartphone, die lokal erledigt, was ElevenLabs in der Cloud macht: eine Stimme aus einer Referenzaufnahme klonen, eine Stimme aus einer Textbeschreibung entwerfen, Videos mit zeitlich abgestimmter Sprache synchronisieren, über ein schwebendes Widget in jedes Textfeld diktieren, Audio transkribieren und Hörbücher einsprechen. Das README spricht von 646 Sprachen. Die Standard-Engine ist OmniVoice von k2-fsa, ein Text-to-Speech-Modell für über 600 Sprachen auf Basis von Qwen3-0.6B, und ein Model Manager bietet Dutzende weitere Engines.
Die App läuft auf Apple Silicon über Metal, auf NVIDIA-GPUs über CUDA unter Windows und Linux und überall auf der CPU, dort langsamer. Für Agenten bindet das Backend unter /mcp auf Port 3900 einen MCP-Server mit Tools wie generate_speech, clone_voice, design_voice und transcribe ein, daneben eine lokale REST-API mit einem OpenAI-kompatiblen Transkriptionsendpunkt.
Die App steht unter AGPL-3.0 und wird von Yupcha Softwares Private Limited gepflegt, das außerdem einen Closed-Source-Pro-Build mit kommerzieller Lizenz und zusätzlichen Batch-Funktionen verkauft.
Was kostet VoiceStudio?
| Tarif | Preis | Was enthalten ist |
|---|---|---|
| Open source | Free | AGPL-3.0; Klonen, Design, Synchronisation, Diktat, lokale API und MCP |
| Pro | $99/user/year | Kommerzielle Lizenz, 3 Geräte, Batch-Synchronisation, überwachte Ordner, entfernte GPU-Worker |
| Lifetime | $299 one-time | Pro-Funktionen und künftige Updates, 3 Geräte |
| Enterprise | Contact sales | Individuelle Konditionen, etwa für die Einbettung in Closed-Source-Produkte |
Die Open-Source-App ist kostenlos unter AGPL-3.0. Pro kostet 99 $ pro Nutzer und Jahr, Lifetime einmalig 299 $, jeweils für einen Nutzer auf bis zu 3 Geräten, mit kommerzieller Lizenz und Batch-Funktionen; Enterprise auf Anfrage. Modellgewichte haben eigene Lizenzen.
Lohnt sich VoiceStudio?
VoiceStudio gibt einer Person auf einem Rechner das meiste von dem, was ein Cloud-Sprachdienst leistet, und das Kleingedruckte entscheidet, ob du das Ergebnis verkaufen darfst. Der App-Code steht unter AGPL-3.0, doch laut eigenem Lizenzhinweis stehen die Standardgewichte von OmniVoice unter CC-BY-NC, und das Modellverzeichnis sichert für kein Modell eine kommerzielle Freigabe zu. Das Repository hat seit seiner Anlage im April 2026 rund 92.300 GitHub-Sterne und 10.200 Forks gesammelt und veröffentlichte am 26. Oktober 2026 v0.5.7.
Die Agenten-Integration ist an manchen Stellen sorgfältig, an anderen offen. MCP-Tools können Audio als Dateien statt als base64 zurückgeben, damit eine WAV nicht den Kontext des Agenten flutet, und Dateizugriffe sind auf ein Basisverzeichnis beschränkt, das OMNIVOICE_MCP_BASE_PATH festlegt. Die Doku sagt aber auch, dass das Backend standardmäßig nur auf Loopback lauscht und keine Authentifizierung hat, dass der MCP-Transport nicht authentifiziert ist und dass die Einstellungsrouten der Klasse Remote Code Execution angehören und über Loopback erreichbar sind, sodass jeder Prozess auf dem Rechner sie steuern kann. Das Teilen im LAN ergänzt eine PIN, die laut Doku unverschlüsselt über einfaches HTTP läuft. Der erste generate_speech-Aufruf lädt rund 2,3 GB Modell herunter, falls die Einrichtung das nicht schon erledigt hat.
Die Installation in einer Zeile, `curl -fsSL https://voicestudio.sh/install | sh`, verdient ein Innehalten. Am 28. Oktober 2026 leitete diese URL auf das Installationsskript im main-Branch weiter, obwohl die Installationsanleitung sagt, die Seite liefere eine gebündelte, getestete Kopie statt des veränderlichen main. Das Skript prüft den Download gegen die SHA256SUMS.txt des Releases. Das erkennt beschädigte Dateien, aber kein kompromittiertes Release, da beides von derselben Stelle kommt. Unter macOS entfernt es außerdem das Quarantäne-Flag und signiert die App ad hoc neu, wenn die Signaturprüfung scheitert; ein Issue, das signierte Binärdateien fordert (#1779), ist seit September 2026 offen. Die dokumentierte Alternative: das Skript herunterladen, lesen und dann `sh scripts/install.sh` ausführen.
Die AGPL selbst ist für Nutzer freizügig: Kommerzielle und interne Nutzung der App ist kostenlos, und die Copyleft-Pflicht greift nur, wenn du VoiceStudio veränderst und anderen über ein Netzwerk anbietest. Die Einbettung in ein geschlossenes Produkt braucht eine kommerzielle Lizenz, und Mitwirkende unterschreiben ein CLA, das die Rechte an das Unternehmen überträgt. Pro kostet 99 $ pro Nutzer und Jahr oder einmalig 299 $, und dort liegen Batch-Synchronisation, überwachte Ordner und entfernte GPU-Worker, obwohl das README überwachte Ordner unter den Funktionen der App aufführt. Gegenüber audio.cpp, das eine Laufzeitumgebung und keine App ist, ist VoiceStudio der freundlichere Weg, diese Modelle zu nutzen; für bezahlte Arbeit zählt die Lizenz der Gewichte.
Wo es sich lohnt
Ein unabhängiger Podcaster mit einem MacBook mit Apple Silicon und 16 GB
Sprechertexte mit meiner eigenen geklonten Stimme produzieren, ohne Aufnahmen in einen Cloud-Dienst hochzuladen
Die .dmg installieren, einen sauberen Referenzclip mit Transkript hinzufügen und auf Metal generieren; auf Rechnern mit 16 GB entlädt die App das TTS-Modell, um Platz für die Transkription zu schaffen. Kostenlos, aber eine gesponserte oder bezahlte Sendung sollte eine Engine wählen, deren Gewichte kommerzielle Ausgaben erlauben, da die Standardgewichte von OmniVoice unter CC-BY-NC stehen.
Eine Entwicklerin, die einem Agenten in Claude Code oder Codex Sprachausgabe gibt
Den Agenten Zusammenfassungen vorlesen und Sprachnotizen lokal transkribieren lassen
Den Client auf http://127.0.0.1:3900/mcp/ oder den stdio-Shim richten, OMNIVOICE_MCP_OUTPUT_MODE=files und einen Basispfad setzen, damit Audio aus dem Kontext bleibt, und jedem Agenten eine Stimme zuordnen. Keine Gebühren; halte es von geteilten Rechnern fern, weil die Loopback-API keine Authentifizierung hat.
Ein Lokalisierungsstudio mit fünf Cuttern, das Schulungsvideos synchronisiert
Videos einreihen und mehrere Zielsprachen rendern, ohne Cloud-Gebühren pro Minute
Batch-Synchronisation braucht Pro: 495 $ im Jahr für fünf Plätze oder einmalig 1.495 $ mit Lifetime. Laut Doku schafft eine NVIDIA-Karte mit 16 GB oder mehr 3 bis 4 Generierungen gleichzeitig, mit 10 GB oder weniger eine nach der anderen. Kommerzielle Ausgaben hängen weiterhin von der Lizenz jedes Modells ab.
Bevor du dich festlegst
- Einrichtung
- `curl -fsSL https://voicestudio.sh/install | sh` unter macOS oder Linux, `irm https://voicestudio.sh/install.ps1 | iex` unter Windows oder eine .dmg, .exe, .AppImage, .deb, ein Snap oder ein Docker-Image von GHCR. Die App fragt, bevor sie ein Modell herunterlädt; OmniVoice hat rund 2,3 GB.
- Integrationen
- MCP über Streamable HTTP unter :3900/mcp/ oder ein stdio-Shim, mit den Tools generate_speech, clone_voice, describe_voice, design_voice, transcribe und list_voices; OpenAI-kompatibles POST /v1/audio/transcriptions und ein Streaming-WebSocket; Agenten-Skills über npx skills add debpalash/VoiceStudio.
- Daten und Datenschutz
- Die Verarbeitung ist lokal, und laut Doku gibt es weder Konten noch Telemetrie im Updater. Backend und MCP-Endpunkt sind auf Loopback nicht authentifiziert; das Teilen im LAN nutzt eine PIN, die über einfaches HTTP gesendet wird, sofern du keinen TLS-Proxy davorsetzt. App-Lizenz AGPL-3.0; Standardgewichte von OmniVoice unter CC-BY-NC.
- Kosten im großen Maßstab
- Kostenlos im Eigenbetrieb auf deiner eigenen GPU oder CPU; die CPU erreicht etwa die halbe Geschwindigkeit von Apple Silicon. Pro kostet 99 $ pro Nutzer und Jahr, Lifetime 299 $, jeweils für bis zu 3 Geräte; die Einbettung in Closed-Source-Produkte wird auf Anfrage bepreist.
- Grenzen
- 40 offene Issues und Pull Requests, darunter Synchronisationen mit mehreren Sprechern, die Sprecher vermischen (#3419), und statisches Rauschen in Generierungen (#2818); Intel-Macs brauchen ein entferntes Backend; die Smartphone-Apps sind Vorschauversionen; Releases bis 0.5.3 nutzten Tauri und brauchen eine eigene Migration.
Was gut ist
- Klonen, Design, Synchronisation, Diktat und Transkription in einer lokalen App
- Läuft auf Apple Silicon, NVIDIA oder CPU, dazu Docker
- MCP-Server und OpenAI-kompatibler Transkriptionsendpunkt
- Lizenzhinweise pro Modell im Model Manager
Was nicht
- Die Standardgewichte von OmniVoice stehen unter CC-BY-NC
- Lokale API und MCP sind auf Loopback nicht authentifiziert
- Der curl-|-sh-Installer entfernt die macOS-Quarantäne; Binärdateien unsigniert
- Batch-Synchronisation und überwachte Ordner nur in Pro
Am besten für
Einzelpersonen und kleine Teams, die Stimmklonen, Synchronisation und Transkription auf eigener Hardware wollen und vor kommerzieller Nutzung die Lizenz jedes Modells prüfen können.
Alternativen zu VoiceStudio
VoiceStudio: häufige Fragen
- Lohnt sich VoiceStudio?
- VoiceStudio ist ein ernstzunehmender lokaler Ersatz für ElevenLabs, aber das Standard-Stimmmodell ist nur für nicht kommerzielle Nutzung lizenziert, und der Installer verlangt viel Vertrauen. Wir bewerten es mit 3.8 von 5.
- Was kostet VoiceStudio?
- Die Open-Source-App ist kostenlos unter AGPL-3.0. Pro kostet 99 $ pro Nutzer und Jahr, Lifetime einmalig 299 $, jeweils für einen Nutzer auf bis zu 3 Geräten, mit kommerzieller Lizenz und Batch-Funktionen; Enterprise auf Anfrage. Modellgewichte haben eigene Lizenzen.
- Welche Nachteile hat VoiceStudio?
- Die Standardgewichte von OmniVoice stehen unter CC-BY-NC; Lokale API und MCP sind auf Loopback nicht authentifiziert; Der curl-|-sh-Installer entfernt die macOS-Quarantäne; Binärdateien unsigniert; Batch-Synchronisation und überwachte Ordner nur in Pro.
- Für wen eignet sich VoiceStudio?
- Einzelpersonen und kleine Teams, die Stimmklonen, Synchronisation und Transkription auf eigener Hardware wollen und vor kommerzieller Nutzung die Lizenz jedes Modells prüfen können.
- Was kostet VoiceStudio für ein Team oder im Produktivbetrieb?
- Kostenlos im Eigenbetrieb auf deiner eigenen GPU oder CPU; die CPU erreicht etwa die halbe Geschwindigkeit von Apple Silicon. Pro kostet 99 $ pro Nutzer und Jahr, Lifetime 299 $, jeweils für bis zu 3 Geräte; die Einbettung in Closed-Source-Produkte wird auf Anfrage bepreist.
- Ist VoiceStudio sicher für Firmendaten?
- Die Verarbeitung ist lokal, und laut Doku gibt es weder Konten noch Telemetrie im Updater. Backend und MCP-Endpunkt sind auf Loopback nicht authentifiziert; das Teilen im LAN nutzt eine PIN, die über einfaches HTTP gesendet wird, sofern du keinen TLS-Proxy davorsetzt. App-Lizenz AGPL-3.0; Standardgewichte von OmniVoice unter CC-BY-NC.
- Was sind die besten Alternativen zu VoiceStudio?
- Die nächsten Alternativen, die wir getestet haben, sind audio.cpp, VideoAgent und ComfyUI.
Antworten geprüft am 28. Okt. 2026.