Qu’est-ce que VoiceStudio ?
VoiceStudio est une appli desktop, avec des images Docker et des applis mobiles en préversion, qui fait localement ce qu'ElevenLabs fait dans le cloud : cloner une voix depuis un enregistrement de référence, en concevoir une à partir d'une description textuelle, doubler une vidéo avec de la parole chronométrée, dicter dans n'importe quel champ de texte via un widget flottant, transcrire de l'audio et narrer des livres audio. Le README revendique 646 langues. Le moteur par défaut est OmniVoice de k2-fsa, un modèle de synthèse vocale à plus de 600 langues bâti sur Qwen3-0.6B, et un Model Manager offre des dizaines d'autres moteurs.
Il tourne sur Apple Silicon via Metal, sur GPU NVIDIA via CUDA sur Windows et Linux, et sur le CPU partout, plus lentement. Pour les agents, le backend monte un serveur MCP à /mcp sur le port 3900 avec des outils comme generate_speech, clone_voice, design_voice et transcribe, aux côtés d'une API REST locale qui inclut un endpoint de transcription compatible OpenAI.
L'appli est AGPL-3.0 et maintenue par Yupcha Softwares Private Limited, qui vend aussi un build Pro propriétaire avec une licence commerciale et des fonctions de lot supplémentaires.
Combien coûte VoiceStudio ?
| Offre | Prix | Ce qui est inclus |
|---|---|---|
| Open source | Free | AGPL-3.0 ; clonage, conception, doublage, dictée, API locale et MCP |
| Pro | $99/user/year | Licence commerciale, 3 appareils, doublage par lot, dossiers surveillés, workers GPU distants |
| Lifetime | $299 one-time | Fonctions Pro et mises à jour futures, 3 appareils |
| Enterprise | Contact sales | Conditions sur mesure, comme l'intégration dans des produits propriétaires |
Appli open source gratuite sous AGPL-3.0. Pro 99 $ par utilisateur par an ou Lifetime 299 $ en paiement unique, chacun pour un utilisateur sur jusqu'à 3 appareils, avec une licence commerciale et des fonctions de lot ; Enterprise sur demande. Les poids des modèles portent leurs propres licences.
VoiceStudio vaut-il le coup ?
VoiceStudio donne à une personne sur une machine l'essentiel de ce qu'un service de voix cloud fait, et les petits caractères décident si vous pouvez vendre le résultat. Le code de l'appli est AGPL-3.0, mais sa propre note de licence dit que les poids OmniVoice par défaut sont CC-BY-NC, et que son inventaire de modèles n'affirme aucune autorisation commerciale pour aucun modèle. Le dépôt a environ 92 300 étoiles GitHub et 10 200 forks depuis sa création en avril 2026, et a livré v0.5.7 le 26 octobre 2026.
L'intégration des agents est soignée par endroits et ouverte à d'autres. Les outils MCP peuvent renvoyer l'audio comme fichiers plutôt qu'en base64 pour qu'un WAV n'inonde pas le contexte de l'agent, et les lectures de fichiers sont confinées à un répertoire de base défini avec OMNIVOICE_MCP_BASE_PATH. Mais la documentation indique que le backend est en loopback uniquement et non authentifié par défaut, que le transport MCP n'est pas authentifié, et que les routes de réglages sont de classe exécution de code à distance et atteignables depuis loopback, si bien que n'importe quel processus sur la machine peut les piloter. Le partage LAN ajoute un PIN que la documentation avertit voyager non chiffré via HTTP simple. Le premier appel generate_speech télécharge environ 2,3 Go de modèle si la configuration ne l'a pas déjà fait.
L'installation en une ligne, `curl -fsSL https://voicestudio.sh/install | sh`, mérite une pause. Le 28 octobre 2026, cette URL redirigeait vers le script d'installation sur la branche main, même si le guide d'installation dit que le site sert une copie empaquetée et testée plutôt que main mutable. Le script vérifie le téléchargement contre le SHA256SUMS.txt de la version, ce qui attrape la corruption mais pas une version compromise, puisque les deux viennent du même endroit. Sur macOS, il efface aussi le flag de quarantaine et re-signe l'appli de façon ad hoc quand la vérification de signature échoue ; une issue demandant des binaires signés (#1779) est ouverte depuis septembre 2026. Télécharger le script et lancer `sh scripts/install.sh` après l'avoir lu est l'alternative documentée.
L'AGPL elle-même est permissive pour les utilisateurs : l'usage commercial et interne de l'appli est gratuit, et l'obligation copyleft ne mord que si vous modifiez VoiceStudio et l'offrez à d'autres sur un réseau. L'intégrer dans un produit fermé a besoin d'une licence commerciale, et les contributeurs signent un CLA cédant les droits à l'entreprise. Pro coûte 99 $ par utilisateur par an ou 299 $ une fois, et c'est là que vivent le doublage par lot, les dossiers surveillés et les workers GPU distants, même si le README liste les dossiers surveillés parmi ce que l'appli fait. Face à audio.cpp, qui est un runtime plutôt qu'une appli, VoiceStudio est la manière plus conviviale d'utiliser ces modèles ; la licence qui compte pour le travail payant est celle sur les poids.
Là où il fait la différence
Un podcasteur indépendant sur un MacBook Apple Silicon de 16 Go
Produire une narration dans ma propre voix clonée sans téléverser les enregistrements vers un service cloud
Installez le .dmg, ajoutez un clip de référence propre avec sa transcription et générez sur Metal ; l'appli décharge le modèle TTS pour faire de la place à la transcription sur les machines de 16 Go. Gratuit, mais une émission sponsorisée ou payante devrait choisir un moteur dont les poids autorisent la sortie commerciale, puisque les poids OmniVoice par défaut sont CC-BY-NC.
Un développeur qui donne une sortie parlée à un agent Claude Code ou Codex
Laisser l'agent lire des résumés à voix haute et transcrire des notes vocales localement
Pointez le client vers http://127.0.0.1:3900/mcp/ ou le shim stdio, réglez OMNIVOICE_MCP_OUTPUT_MODE=files et un chemin de base pour que l'audio reste hors du contexte, et liez une voix par agent. Pas de frais ; gardez-le hors des machines partagées car l'API loopback n'a pas d'authentification.
Un studio de localisation de cinq éditeurs qui double des vidéos de formation
Mettre les vidéos en file et rendre plusieurs langues cibles sans frais cloud à la minute
Le doublage par lot a besoin de Pro : 495 $ par an pour cinq sièges, ou 1 495 $ une fois en Lifetime. La documentation dit qu'une carte NVIDIA de 16 Go ou plus fait 3 à 4 générations à la fois, tandis que 10 Go ou moins en fait une à la fois. La sortie commerciale dépend encore de la licence de chaque modèle.
Avant de vous engager
- Mise en route
- `curl -fsSL https://voicestudio.sh/install | sh` sur macOS ou Linux, `irm https://voicestudio.sh/install.ps1 | iex` sur Windows, ou un .dmg, .exe, .AppImage, .deb, snap ou image Docker GHCR. L'appli demande avant de télécharger un modèle ; OmniVoice fait environ 2,3 Go.
- Intégrations
- MCP via Streamable HTTP sur :3900/mcp/ ou un shim stdio, avec les outils generate_speech, clone_voice, describe_voice, design_voice, transcribe et list_voices ; POST /v1/audio/transcriptions compatible OpenAI et un WebSocket en streaming ; skills d'agent via npx skills add debpalash/VoiceStudio.
- Données et confidentialité
- Le traitement est local et la documentation dit qu'il n'y a pas de comptes ni de télémétrie d'updater. Le backend et l'endpoint MCP sont non authentifiés sur loopback ; le partage LAN utilise un PIN envoyé via HTTP simple sauf si vous ajoutez un proxy TLS. Licence d'appli AGPL-3.0 ; poids OmniVoice par défaut CC-BY-NC.
- Coût à grande échelle
- Gratuit à auto-exécuter sur votre propre GPU ou CPU ; le CPU est environ la moitié de la vitesse d'Apple Silicon. Pro est à 99 $ par utilisateur par an et Lifetime à 299 $, chacun pour jusqu'à 3 appareils ; l'intégration propriétaire est tarifée sur demande.
- Limites
- 40 issues et pull requests ouvertes, dont les doublages multi-locuteurs qui fusionnent les locuteurs (#3419) et le bruit statique dans les générations (#2818) ; les Mac Intel ont besoin d'un backend distant ; les applis mobiles sont des préversions ; les versions jusqu'à 0.5.3 utilisaient Tauri et ont besoin d'une migration séparée.
Les points forts
- Clonage, conception, doublage, dictée et transcription dans une seule appli locale
- Tourne sur Apple Silicon, NVIDIA ou CPU, plus Docker
- Serveur MCP et endpoint de transcription compatible OpenAI
- Notes de licence par modèle dans le Model Manager
Les points faibles
- Les poids OmniVoice par défaut sont CC-BY-NC
- L'API locale et MCP sont non authentifiées sur loopback
- L'installeur curl | sh retire la quarantaine macOS ; binaires non signés
- Le doublage par lot et les dossiers surveillés sont réservés à Pro
Idéal pour
Les individus et petites équipes qui veulent le clonage de voix, le doublage et la transcription sur leur propre matériel et peuvent vérifier la licence de chaque modèle avant un usage commercial.
Alternatives à VoiceStudio
VoiceStudio : questions fréquentes
- VoiceStudio vaut-il le coup ?
- VoiceStudio est un sérieux substitut local à ElevenLabs, mais le modèle de voix par défaut est sous licence non commerciale et l'installeur demande beaucoup de confiance. Nous lui donnons 3.8 sur 5.
- Combien coûte VoiceStudio ?
- Appli open source gratuite sous AGPL-3.0. Pro 99 $ par utilisateur par an ou Lifetime 299 $ en paiement unique, chacun pour un utilisateur sur jusqu'à 3 appareils, avec une licence commerciale et des fonctions de lot ; Enterprise sur demande. Les poids des modèles portent leurs propres licences.
- Quels sont les inconvénients de VoiceStudio ?
- Les poids OmniVoice par défaut sont CC-BY-NC; l'API locale et MCP sont non authentifiées sur loopback; l'installeur curl | sh retire la quarantaine macOS ; binaires non signés; le doublage par lot et les dossiers surveillés sont réservés à Pro.
- À qui s’adresse VoiceStudio ?
- Les individus et petites équipes qui veulent le clonage de voix, le doublage et la transcription sur leur propre matériel et peuvent vérifier la licence de chaque modèle avant un usage commercial.
- Combien coûte VoiceStudio pour une équipe ou en production ?
- Gratuit à auto-exécuter sur votre propre GPU ou CPU ; le CPU est environ la moitié de la vitesse d'Apple Silicon. Pro est à 99 $ par utilisateur par an et Lifetime à 299 $, chacun pour jusqu'à 3 appareils ; l'intégration propriétaire est tarifée sur demande.
- VoiceStudio est-il sûr pour les données de l’entreprise ?
- Le traitement est local et la documentation dit qu'il n'y a pas de comptes ni de télémétrie d'updater. Le backend et l'endpoint MCP sont non authentifiés sur loopback ; le partage LAN utilise un PIN envoyé via HTTP simple sauf si vous ajoutez un proxy TLS. Licence d'appli AGPL-3.0 ; poids OmniVoice par défaut CC-BY-NC.
- Quelles sont les meilleures alternatives à VoiceStudio ?
- Les alternatives les plus proches que nous avons testées sont audio.cpp, VideoAgent et ComfyUI.
Réponses vérifiées le 28 oct. 2026.