VoiceStudio - открытая замена платным сервисам озвучки, которая целиком работает на твоей машине. Клонирует голос по короткому фрагменту, говорит на 646 языках и ничего не отправляет наружу. Разбираем, как поставить и где проходит граница лицензии.
Записываешь фрагмент своей речи - дальше система говорит этим голосом любой текст.
У привычных облачных сервисов счёт идёт на десятки языков. Здесь - сотни.
Дорожка переозвучивается под новый язык с синхронизацией по картинке.
Не только текст в голос, но и голос в текст: диктовка и транскрипция.
Есть собственный API и поддержка MCP, поэтому озвучку можно отдать агенту.
Считает твой компьютер. Сто озвучек стоят столько же, сколько одна: ноль.
Ни текст, ни голос не отправляются на чужой сервер. Для клиентских материалов это важно.
Не понравилась интонация - перегенерировал. В облаке каждая попытка это счёт.
Работает на Windows, macOS, Linux и в Docker. Тяжёлые модели заметно быстрее идут на видеокарте, но и на процессоре запускаются - просто дольше.
В терминале выполняется установочный скрипт с сайта проекта. Для сборки из исходников понадобятся Git, Node.js 22+, Bun и Rust.
Нужен чистый фрагмент речи без музыки и шума. Чем ровнее запись, тем ближе результат к оригиналу.
Когда голос устраивает, дальше это рутинная операция: текст на входе, дорожка на выходе.
Отдельные инструменты дают отдельные результаты. Система начинается там, где видео, тексты и рутина собраны в один процесс, а не разложены по вкладкам.
Разбираю это на бесплатном вебинаре: AI-видео и Claude, который забирает рутину. Смотреть можно сразу, в любое время.