O que é VoiceStudio?
O VoiceStudio é um aplicativo desktop, com imagens Docker e aplicativos móveis em versão prévia, que executa localmente o que a ElevenLabs faz na nuvem: clonar uma voz a partir de uma gravação de referência, criar uma voz a partir de uma descrição em texto, dublar vídeos com fala sincronizada, ditar em qualquer campo de texto por meio de um widget flutuante, transcrever áudio e narrar audiolivros. O README afirma haver suporte para 646 idiomas. O mecanismo padrão é o OmniVoice da k2-fsa, um modelo de conversão de texto em fala para mais de 600 idiomas baseado no Qwen3-0.6B, e o Model Manager disponibiliza dezenas de outros mecanismos.
Ele roda no Apple Silicon via Metal, em GPUs NVIDIA via CUDA no Windows e no Linux, e na CPU em qualquer plataforma, de forma mais lenta. Para agentes, o backend monta um servidor MCP em /mcp na porta 3900 com ferramentas como generate_speech, clone_voice, design_voice e transcribe, além de uma REST API local que inclui um endpoint de transcrição compatível com a OpenAI.
O aplicativo é licenciado sob a AGPL-3.0 e mantido pela Yupcha Softwares Private Limited, que também vende uma versão Pro de código fechado com licença comercial e recursos extras de processamento em lote.
Quanto custa VoiceStudio?
| Plano | Preço | O que inclui |
|---|---|---|
| Open source | Free | AGPL-3.0; clonagem, design, dublagem, ditado, API local e MCP |
| Pro | $99/user/year | Licença comercial, 3 dispositivos, dublagem em lote, watch folders, workers de GPU remotos |
| Lifetime | $299 one-time | Recursos Pro e atualizações futuras, 3 dispositivos |
| Enterprise | Contact sales | Termos personalizados, como incorporação em produtos de código fechado |
Aplicativo de código aberto gratuito sob a AGPL-3.0. Pro por $99 por usuário ao ano ou Lifetime por $299 em pagamento único, ambos para um usuário em até 3 dispositivos, com licença comercial e recursos em lote; Enterprise sob consulta. Os pesos dos modelos possuem licenças próprias.
VoiceStudio vale a pena?
O VoiceStudio oferece a uma pessoa em uma única máquina quase tudo o que um serviço de voz na nuvem disponibiliza, cabendo às letras miúdas definir se você pode comercializar o resultado. O código do aplicativo é AGPL-3.0, mas o aviso de licença do próprio projeto informa que os pesos padrão do OmniVoice são CC-BY-NC e que seu catálogo de modelos não garante autorização comercial para nenhum modelo. O repositório conta com cerca de 92.300 estrelas no GitHub e 10.200 forks desde a sua criação em abril de 2026, tendo lançado a versão v0.5.7 em 26 de outubro de 2026.
A integração para agentes é cuidadosa em certos pontos e aberta em outros. As ferramentas MCP podem retornar áudio como arquivos em vez de base64 para que um WAV não sobrecarregue o contexto do agente, e as leituras de arquivos são restritas a um diretório base definido com OMNIVOICE_MCP_BASE_PATH. No entanto, a documentação declara que o backend opera somente em loopback e sem autenticação por padrão, que o transporte MCP não é autenticado e que as rotas de configurações se enquadram na classe de execução remota de código e estão acessíveis via loopback, permitindo que qualquer processo no sistema as controle. O compartilhamento em rede local adiciona um PIN que, segundo o alerta da documentação, trafega sem criptografia em HTTP simples. A primeira chamada a generate_speech baixa cerca de 2.3 GB do modelo caso a configuração inicial ainda não o tenha feito.
A instalação em linha única, `curl -fsSL https://voicestudio.sh/install | sh`, exige cautela. Em 28 de outubro de 2026, essa URL redirecionava para o script de instalação no branch main, embora o guia do instalador afirme que o site serve uma cópia empacotada e testada em vez do branch main mutável. O script valida o download contra o SHA256SUMS.txt da release, o que detecta arquivos corrompidos, mas não uma release comprometida, já que ambos se originam do mesmo local. No macOS, ele também remove a flag de quarentena e reassina o aplicativo de forma ad hoc quando a verificação de assinatura falha; uma issue solicitando binários assinados (#1779) permanece aberta desde setembro de 2026. Baixar o script e executar `sh scripts/install.sh` após a leitura é a alternativa documentada.
A AGPL em si é permissiva para os usuários: o uso comercial e interno do aplicativo é gratuito, e a obrigação de copyleft só se aplica se você modificar o VoiceStudio e oferecê-lo a terceiros por meio de uma rede. A incorporação em um produto fechado requer uma licença comercial, e os colaboradores assinam um CLA transferindo os direitos para a empresa. O plano Pro custa $99 por usuário ao ano ou $299 em taxa única, sendo o local onde residem a dublagem em lote, os watch folders e os workers de GPU remotos, embora o README liste watch folders entre os recursos do aplicativo. Em comparação com o audio.cpp, que é um runtime e não um aplicativo, o VoiceStudio é a forma mais amigável de usar esses modelos; a licença decisiva para trabalhos remunerados é a dos pesos.
Onde ele se destaca
Um podcaster independente em um MacBook Apple Silicon de 16 GB
Produzir narração na própria voz clonada sem enviar gravações para um serviço em nuvem
Instale o .dmg, adicione um arquivo de referência limpo com a respectiva transcrição e processe via Metal; o aplicativo descarrega o modelo de TTS para liberar memória para a transcrição em máquinas de 16 GB. Gratuito, mas um programa patrocinado ou pago deve escolher um mecanismo cujos pesos permitam uso comercial, já que os pesos padrão do OmniVoice são CC-BY-NC.
Um desenvolvedor adicionando saída de áudio falada a um agente do Claude Code ou Codex
Permitir que o agente leia resumos em voz alta e transcreva notas de voz localmente
Aponte o cliente para http://127.0.0.1:3900/mcp/ ou para o shim stdio, configure OMNIVOICE_MCP_OUTPUT_MODE=files e defina um caminho base para manter o áudio fora do contexto, vinculando uma voz por agente. Sem custos; evite o uso em máquinas compartilhadas, pois a API em loopback não possui autenticação.
Um estúdio de localização com cinco editores dublando vídeos de treinamento
Enfileirar vídeos e gerar múltiplos idiomas de destino sem cobranças por minuto na nuvem
A dublagem em lote requer o plano Pro: $495 ao ano para cinco licenças, ou $1,495 em pagamento único no Lifetime. A documentação informa que uma placa NVIDIA com 16 GB ou mais processa de 3 a 4 gerações simultâneas, enquanto 10 GB ou menos processa uma por vez. A comercialização do material gerado ainda depende da licença de cada modelo.
Antes de decidir
- Configuração
- `curl -fsSL https://voicestudio.sh/install | sh` no macOS ou Linux, `irm https://voicestudio.sh/install.ps1 | iex` no Windows, ou via .dmg, .exe, .AppImage, .deb, snap ou imagem Docker do GHCR. O aplicativo solicita confirmação antes de baixar qualquer modelo; o OmniVoice tem cerca de 2.3 GB.
- Integrações
- MCP via Streamable HTTP na porta :3900/mcp/ ou shim stdio, com as ferramentas generate_speech, clone_voice, describe_voice, design_voice, transcribe e list_voices; POST /v1/audio/transcriptions compatível com a OpenAI e WebSocket para streaming; skills de agentes via npx skills add debpalash/VoiceStudio.
- Dados e privacidade
- O processamento é local e a documentação informa que não há contas de usuário nem telemetria no atualizador. O backend e o endpoint MCP operam sem autenticação em loopback; o compartilhamento em LAN usa um PIN transmitido por HTTP simples, a menos que você configure um proxy TLS. Licença do aplicativo AGPL-3.0; pesos padrão do OmniVoice CC-BY-NC.
- Custo em escala
- Gratuito para execução própria em sua GPU ou CPU; o processamento em CPU atinge cerca de metade da velocidade do Apple Silicon. O plano Pro custa $99 por usuário ao ano e o Lifetime $299, ambos para até 3 dispositivos; a incorporação em produtos de código fechado possui preço sob consulta.
- Limites
- 40 issues e pull requests abertos, incluindo dublagens com múltiplos locutores mesclando vozes (#3419) e ruído estático nas gerações (#2818); Macs com processador Intel necessitam de um backend remoto; os aplicativos móveis são versões prévias; versões até a 0.5.3 usavam Tauri e exigem migração separada.
O que é bom
- Clonagem, design, dublagem, ditado e transcrição em um único aplicativo local
- Funciona em Apple Silicon, NVIDIA ou CPU, além de Docker
- Servidor MCP e endpoint de transcrição compatível com a OpenAI
- Avisos de licença por modelo no Model Manager
O que não é
- Pesos padrão do OmniVoice são CC-BY-NC
- API local e MCP não têm autenticação em loopback
- Instalador curl | sh remove a quarentena do macOS; binários não assinados
- Dublagem em lote e watch folders estão restritos ao plano Pro
Ideal para
Pessoas físicas e equipes pequenas que buscam clonagem de voz, dublagem e transcrição em hardware próprio e podem verificar a licença de cada modelo antes do uso comercial.
Alternativas ao VoiceStudio
VoiceStudio: perguntas frequentes
- VoiceStudio vale a pena?
- O VoiceStudio é um substituto local consistente para a ElevenLabs, mas o modelo de voz padrão é licenciado apenas para uso não comercial e o instalador exige um nível alto de confiança. Damos nota 3.8 de 5.
- Quanto custa VoiceStudio?
- Aplicativo de código aberto gratuito sob a AGPL-3.0. Pro por $99 por usuário ao ano ou Lifetime por $299 em pagamento único, ambos para um usuário em até 3 dispositivos, com licença comercial e recursos em lote; Enterprise sob consulta. Os pesos dos modelos possuem licenças próprias.
- Quais são as desvantagens de VoiceStudio?
- Pesos padrão do OmniVoice são CC-BY-NC; aPI local e MCP não têm autenticação em loopback; instalador curl | sh remove a quarentena do macOS; binários não assinados; dublagem em lote e watch folders estão restritos ao plano Pro.
- Para quem VoiceStudio é indicado?
- Pessoas físicas e equipes pequenas que buscam clonagem de voz, dublagem e transcrição em hardware próprio e podem verificar a licença de cada modelo antes do uso comercial.
- Quanto custa VoiceStudio para uma equipe ou em produção?
- Gratuito para execução própria em sua GPU ou CPU; o processamento em CPU atinge cerca de metade da velocidade do Apple Silicon. O plano Pro custa $99 por usuário ao ano e o Lifetime $299, ambos para até 3 dispositivos; a incorpora ção em produtos de código fechado possui preço sob consulta.
- VoiceStudio é seguro para dados da empresa?
- O processamento é local e a documentação informa que não há contas de usuário nem telemetria no atualizador. O backend e o endpoint MCP operam sem autenticação em loopback; o compartilhamento em LAN usa um PIN transmitido por HTTP simples, a menos que você configure um proxy TLS. Licença do aplicativo AGPL-3.0; pesos padrão do OmniVoice CC-BY-NC.
- Quais são as melhores alternativas ao VoiceStudio?
- As alternativas mais próximas que analisamos são audio.cpp, VideoAgent e ComfyUI.
Respostas verificadas em 28 de out. de 2026.