C'est quoi ?
VoiceStudio est une application de bureau qui fait tourner des modèles vocaux sur la machine : cloner une voix à partir d'un enregistrement de référence, en concevoir une à partir d'une description, doubler une vidéo, produire un livre audio, dicter ou transcrire. Le dépôt la présente comme une alternative open source et entièrement locale à ElevenLabs. Le moteur par défaut, OmniVoice de k2-fsa, couvre 646 langues selon le README.
Pour la seule transcription, le comparatif des outils de transcription audio locale met en regard des outils dédiés, dont Murmure pour la dictée et Scriberr pour les fichiers.
Pourquoi c'est intéressant ?
- Un catalogue de moteurs : la documentation liste 18 moteurs de synthèse (OmniVoice, CosyVoice 3, IndexTTS 2.5, VoxCPM2, gpt-sovits…) et 10 de transcription (WhisperX par défaut, Faster-Whisper, MLX Whisper, Parakeet TDT, Moonshine…). Chacun s'installe depuis le gestionnaire de modèles.
- Du doublage à la file d'attente : doublage vidéo avec parole synchronisée, isolation de la voix, séparation des locuteurs, histoires et livres audio, traitements par lots et dossiers surveillés.
- Une API locale et un serveur MCP : un agent ou un script pilote les générations sans passer par l'interface.
- Un filigrane invisible : quand AudioSeal est disponible, l'audio généré reçoit une marque inaudible qui le signale comme synthétique.
- L'accélération selon la machine : CUDA sur carte NVIDIA, Metal sur Apple Silicon, ROCm en option sur certaines Radeon sous Windows, Vulkan pour quelques moteurs GGUF. Sans GPU, tout tourne sur le processeur avec une version CPU de PyTorch d'environ 5 Go.
À savoir
Le modèle par défaut est non commercial. L'application est sous AGPL-3.0, usage commercial compris, mais sa notice de licence précise que les poids d'OmniVoice, le moteur par défaut, sont sous CC-BY-NC, et que son tokenizer relève des conditions de Higgs Audio 2 et de Llama. Une licence payante de VoiceStudio n'accorde aucun droit sur ces modèles. Le gestionnaire de modèles affiche la licence de chacun, et le projet ne revendique encore aucune autorisation commerciale pour l'un d'eux.
Toutes les machines ne se valent pas. Sur un Mac Intel, l'application n'offre que l'interface et doit se connecter à un backend distant. Windows sur ARM est expérimental, sur processeur seulement. Sous Windows, l'accélération GPU de PyTorch ne concerne que NVIDIA, et le guide de performances prévient qu'un repli silencieux sur le processeur rend tout plusieurs fois plus lent.
Une offre Pro et un contrat de contribution. L'offre Pro, à 99 $ par utilisateur et par an ou 299 $ à vie, ajoute plusieurs appareils par siège, des appareils distants et l'accès anticipé. Une licence commerciale permet d'intégrer VoiceStudio dans un produit fermé, et les contributeurs signent un CLA au profit de Yupcha Softwares, la société qui le maintient. Les statistiques d'usage, envoyées à PostHog, attendent le consentement de l'utilisateur.
Un projet en version 0.5. Le dépôt a été créé en avril 2026. La dernière version stable est la 0.5.6 du 23 septembre, et la 0.5.7 est en bêta depuis le 23 octobre. L'application de bureau est passée de Tauri à Electron après la 0.5.3 : les installations Tauri doivent installer Electron à part. Le créateur signe 3 980 des 5 481 commits, et 199 tickets et pull requests restent ouverts.