Voz e áudio · código aberto
Sua voz, rodando local
Clone de voz, voz por descrição, dublagem e transcrição em 646 idiomas, na sua máquina e sem pagar por minuto.
Clone de voz, voz por descrição, dublagem e transcrição em 646 idiomas, na sua máquina e sem pagar por minuto.
O VoiceStudio é um programa gratuito e de código aberto que faz no seu computador o que serviços pagos como o ElevenLabs fazem na nuvem. Ele copia uma voz a partir de alguns segundos de gravação, cria vozes novas a partir de uma descrição em texto, dubla vídeos e transcreve áudio em 646 idiomas. Serve para quem produz vídeo, curso, podcast ou audiolivro e quer narração sem pagar por minuto nem enviar o áudio para fora. Precisa de um computador com uns 10 GB livres; com placa de vídeo NVIDIA fica bem mais rápido.
Projeto de debpalash/VoiceStudio (licença AGPL-3.0), espelhado pelo INEMA com este guia. Tudo roda no seu hardware; serviços remotos são opcionais.
Uma gravação limpa de poucos segundos vira uma voz reutilizável. Ou descreva a voz ("feminina, grave, tom de documentário") e ele monta uma nova.
Dublagem de vídeo com fala no tempo certo, transcrição com WhisperX, separação de quem fala e isolamento da voz do fundo musical.
API local compatível com a da OpenAI e servidor MCP: Claude Code e Codex podem gerar fala, clonar voz e transcrever direto.
O app (Electron) conversa com um backend em Python na porta 3900. O backend carrega o motor escolhido e mantém os modelos na memória.
OmniVoice (padrão, 646 idiomas), CosyVoice 3, IndexTTS 2.5, VoxCPM2, MOSS-TTS, dots.tts, GPT-SoVITS, KittenTTS, Supertonic 3, PocketTTS e outros. Cada um tem sua licença de modelo.
WhisperX (padrão), Faster-Whisper, Whisper, Parakeet TDT, Moonshine, FunASR e sherpa-onnx para ditado ao vivo.
Os pacotes prontos são para Windows, macOS e Linux x86_64. Em Linux ARM64 (como o DGX Spark/GB10) não há pacote nem imagem Docker: só a instalação pelo código-fonte.
Uns 10 GB livres para o app, o Python e os modelos. NVIDIA (CUDA) ou Apple Silicon aceleram; sem placa roda na CPU, mais devagar.
# conferir espaço e GPU df -h ~ ; nvidia-smi
Nada além do instalador: ele baixa Python, FFmpeg, yt-dlp e os modelos no primeiro uso.
# macOS / Linux x86_64 curl -fsSL https://voicestudio.sh/install | sh
Git, Bun, uv, Node.js 22+ e Rust/Cargo, mais as bibliotecas de áudio do sistema.
curl -fsSL https://bun.sh/install | bash curl -LsSf https://astral.sh/uv/install.sh | sh
Os comandos abaixo vêm da documentação oficial do projeto.
No Windows, use o PowerShell. No macOS e Linux x86_64, o script de uma linha. Ou baixe o .dmg, .exe, .AppImage ou .deb na página de Releases.
# Windows (PowerShell) irm https://voicestudio.sh/install | iex # macOS / Linux x86_64 curl -fsSL https://voicestudio.sh/install | sh
É o caminho em Linux ARM64 e para quem quer a versão mais nova. O setup:api prepara o Python; o dev abre o app e sobe o backend.
git clone https://github.com/inematds/VoiceStudio.git cd VoiceStudio bun install bun run setup:api # ambiente Python com uv bun run dev # app + backend na porta 3900
Para usar por API ou MCP num servidor, suba apenas o backend. Sem placa NVIDIA, force a versão de CPU do PyTorch.
bun run dev:api # backend em 127.0.0.1:3900 OMNIVOICE_TORCH_VARIANT=cpu bun run setup:api # sem NVIDIA curl http://127.0.0.1:3900/.well-known/voicestudio-speech
No app, abra Voice cloning, escolha uma voz ou envie uma gravação limpa (sem música, sem ruído), digite o texto e gere. O app pede para instalar o modelo na primeira vez (cerca de 2,4 GB).
# transcrever um arquivo pelo cliente que vem no projeto python -m backend.speech_client transcribe gravacao.wav
O servidor MCP já vem montado no backend em /mcp/. Ferramentas: generate_speech, clone_voice, design_voice, transcribe, list_voices. Exemplo para o Codex CLI:
# ~/.codex/config.toml [mcp_servers.voicestudio] url = "http://127.0.0.1:3900/mcp/" http_headers = { "X-OmniVoice-Client-Id" = "codex-cli" }
No Claude Code, o app exporta o .mcp.json pronto em Integrations.
A análise de uso só liga com consentimento. Para garantir que fique desligada, defina a variável antes de subir o backend.
export OMNIVOICE_ANALYTICS_DISABLED=1
Comparação com a nossa cadeia de voz (inemavox com chatterbox, Whisper e dublagem; avatar pelo estúdio HeyGen).
| Função | Hoje no INEMA | VoiceStudio |
|---|---|---|
| Download | inemavox (yt-dlp) | yt-dlp também: nada novo |
| Transcrição | Whisper large-v3 / Parakeet | Equivalente (WhisperX, Parakeet) |
| Clonagem de voz | chatterbox (vozes nei, rachel) | 17 motores, inclusive OmniVoice, CosyVoice 3 e IndexTTS 2.5 |
| Voz em EN/ES sem avatar | Depende do estúdio HeyGen | Motores multilíngues com clonagem |
| Voz por descrição | Não temos | Sim (design_voice) |
| Isolar voz / separar falantes | Não temos | Sim |
| Agentes | Scripts próprios | MCP e API no formato OpenAI |
O espelho e este guia estão publicados; o teste prático ainda não foi feito.