VoiceStudio؛ جایگزین متن‌باز و محلی ElevenLabs برای شبیه‌سازی صدا و دوبله ویدیو

پروژه VoiceStudio در GitHub به‌عنوان یک جایگزین متن‌باز و کاملاً محلی برای ElevenLabs معرفی شده است؛ ابزاری که برای شبیه‌سازی صدا، طراحی صدا، دوبله ویدیو، دیکته، رونویسی و ساخت کتاب صوتی کاربرد دارد.

بر اساس توضیحات منتشرشده در صفحه این مخزن، VoiceStudio از ۶۴۶ زبان پشتیبانی می‌کند و گردش‌کارهای محلی آن روی سخت‌افزار کاربر اجرا می‌شوند. در توضیحات پروژه آمده است که سرویس‌های راه دور اختیاری هستند و استفاده از تحلیل‌های آماری نیز به رضایت کاربر نیاز دارد.

این ابزار امکان شروع کار با موتور پیش‌فرض VoiceStudio، مبتنی بر k2-fsa/OmniVoice، یا انتخاب موتورهای دیگر را فراهم می‌کند. در صفحه پروژه همچنین به قابلیت‌هایی مانند دوبله ویدیو با گفتار زمان‌بندی‌شده، API محلی، اتصال MCP برای ایجنت‌ها، دیکته با ابزار شناور، ساخت داستان و کتاب صوتی و اجرای کارهای دسته‌ای اشاره شده است.

VoiceStudio برای نصب روی macOS و Linux دستور نصب یک‌مرحله‌ای ارائه کرده و نسخه دسکتاپ آن بر پایه Electron معرفی شده است. صفحه پروژه همچنین تأکید می‌کند که مدل‌ها مجوزهای جداگانه دارند و پیش از استفاده تجاری باید بررسی شوند. در بخش استفاده مسئولانه نیز آمده است که شبیه‌سازی صدا فقط باید با اجازه انجام شود.

این مخزن عمومی در GitHub با مجوز AGPL-3.0 منتشر شده و طبق متن استخراج‌شده از صفحه منبع، هنگام ثبت این گزارش ۴۷.۲ هزار ستاره و ۵.۳ هزار فورک داشته است.