ElevenLabsはもういらない？5つのAI音声エンジンを搭載した完全ローカル動作の声クローン工房 — voicebox

アーキテクチャ

• デスクトップアプリ: Tauri（Rust製）で構築。Electronと異なりネイティブWebViewを使用し軽量
• フロントエンド: React + TypeScript + Tailwind CSS、状態管理にZustandとReact Query
• バックエンド: Python FastAPIサーバー
• データベース: SQLite
• 音声処理: WaveSurfer.js、librosa

搭載TTSエンジン一覧

GPU対応状況

ポストプロセッシングエフェクト

Spotifyのpedalboardライブラリを使用した8種類のエフェクト:

• Pitch Shift（±12半音）、Reverb、Delay、Chorus/Flanger、Compressor、Gain（-40〜+40dB）、High-Pass/Low-Pass Filter
• 4つのビルトインプリセット（Robotic, Radio, Echo Chamber, Deep Voice）＋カスタムプリセット対応

主要機能

• 無制限の生成長: 文境界での自動チャンキング（100〜5,000文字）、クロスフェード（0〜200ms）、最大50,000文字
• 生成バージョン管理: オリジナル保持、エフェクトバージョン、テイク（シード変更）、ソーストラッキング、お気に入り
• 非同期生成キュー: ノンブロッキング処理、SSEリアルタイムステータス、クラッシュ後の自動復旧
• 録音＆文字起こし: アプリ内録音、システムオーディオキャプチャ、Whisper / Whisper Turboによる自動文字起こし
• REST API: http://localhost:17493 でプロファイル管理・音声生成を外部連携可能

ロードマップ

• リアルタイムストリーミング（単語ごとの音声出力）
• テキスト説明からの新しい声の設計（Voice Design）
• XTTS、Barkなど追加モデル対応
• プラグインアーキテクチャ
• モバイルコンパニオンアプリ

ライセンス

MITライセンス（商用利用可能）

ダウンロード（一般利用者向け）

Linuxはビルドが必要です。詳細は voicebox.sh/linux-install を参照。

開発者向けクイックスタート

git clone https://github.com/jamiepine/voicebox.git
cd voicebox

just setup   # Python仮想環境を作成し、依存関係をすべてインストール
just dev     # バックエンドとデスクトップアプリを起動

前提条件: Bun、Rust、Python 3.11以上、Tauri Prerequisites、macOSではXcodeが必要。