ما هو Voicebox؟
Voicebox استوديو صوتي محلي أولًا يغطي الاتجاهين: ينطق النص بأصوات مستنسخة أو جاهزة، ويستمع إلى ما تقوله فينسخه ويلصقه. يصفه ملف README بأنه بديل مجاني ومفتوح المصدر لـ ElevenLabs وWisprFlow في تطبيق واحد، ويصفه الموقع بأنه يعمل بالكامل على جهازك.
بُني التطبيق بـ Tauri (Rust) حول خلفية Python FastAPI، ويسمّي الموقع Spacedrive Technology Inc. جهةً مشغّلة له. أضاف الإصدار 0.5.0، الذي تسميه ملاحظاته «the Capture release»، الإملاء والشخصيات الصوتية وخادم MCP. أما الإصدار «v0.2.0» الظاهر على الموقع فهو وسم داخل لقطة شاشة العرض التوضيحي، وليس رقم الإصدار.
كيف تحصل عليه
يتوفر Voicebox للتنزيل على macOS وWindows؛ أما Linux فلا يوجد له ملف جاهز ويجب بناؤه من الشيفرة المصدرية، ويعرض README أيضًا مسار Docker.
الخيار | مصدر الحصول عليه |
|---|---|
| macOS | .dmg (Apple silicon وIntel): voicebox.sh/download |
| Windows | مثبّت .msi أو .exe (x64): voicebox.sh/download |
| Linux | البناء من الشيفرة المصدرية: voicebox.sh/linux-install |
| Docker | docker compose up من المستودع (README) |
| الموقع | voicebox.sh |
| سياسة الخصوصية | voicebox.sh/privacy |
| الشيفرة المصدرية | github.com/jamiepine/voicebox، ترخيص MIT |
الإصدار الذي راجعناه: 0.5.0، نُشر في 25 أبريل 2026 بحسب صفحة Releases على GitHub التي تسرد مثبّتات macOS وWindows؛ وكان أحدث تغيير على الفرع الرئيسي في 7 أكتوبر 2026. وتُعالَج الخطط في قسم الخطط.
المتطلبات
لا تذكر المصادر حدًا أدنى للذاكرة RAM أو القرص أو إصدار نظام التشغيل؛ والجزء المرهق هو نماذج الكلام واللغة التي تُنزَّل بشكل منفصل.
نظام التشغيل
- ما تقوله المصادر:
- مثبّتات لـ macOS (Apple silicon وIntel) وWindows x64؛ وLinux من الشيفرة المصدرية؛ ولا يُذكر حد أدنى لإصدار النظام
التسريع
- ما تقوله المصادر:
- MLX على Apple silicon، وCUDA على بطاقات NVIDIA، وROCm على AMD تحت Linux، وDirectML على Windows، وIntel Arc، مع بديل على المعالج يعمل في كل مكان لكنه أبطأ
أخف المحركات
- ما تقوله المصادر:
- يحتاج LuxTTS إلى نحو 1 GB من VRAM، وKokoro نموذج من 82 مليون معامل موجّه للاستخدام السريع على المعالج؛ ولا يذكر README رقمًا للمحركات الأكبر
النماذج
- ما تقوله المصادر:
- تُنزَّل داخل التطبيق المحركات وأحجام Whisper ونموذج Qwen3 اللغوي المرفق (0.6B أو 1.7B أو 4B)؛ ولا تذكر المصادر حجم التنزيل الإجمالي
الأذونات
- ما تقوله المصادر:
- إمكانية الوصول (Accessibility) ومراقبة الإدخال (Input Monitoring) في macOS للاختصارات واللصق التلقائي؛ وبدون إمكانية الوصول يواصل الإملاء حفظ النصوص المنسوخة ويتعطل اللصق فقط
الإنترنت
- ما تقوله المصادر:
- مطلوب لتنزيل النماذج؛ ويقول الموقع إن التوليد والتنقية يعملان بعد ذلك على الجهاز
مسارات التسريع هي المذكورة في README؛ ولم تتحقق PromptQuorum من التركيبات التي تأتي فعليًا مع المثبّتات.
الميزات التي أكدتها المصادر
كل ما يلي مأخوذ من الموقع أو التوثيق أو ملف README؛ ولم يُختبر شيء منه بشكل مستقل.
- استنساخ الصوت والأصوات الجاهزة. استنساخ بلا أمثلة مسبقة (zero-shot) من عيّنة مرجعية قصيرة، إضافة إلى أصوات جاهزة عبر Kokoro وQwen CustomVoice؛ ويعد README ثمانية محركات و23 لغة، وأوسع تغطية في Chatterbox Multilingual.
- كلام معبّر ومؤثرات. يقرأ Chatterbox Turbo وسومًا مثل [laugh] و[sigh]، ويمكن تطبيق ثمانية مؤثرات معالجة لاحقة من مكتبة pedalboard التابعة لـ Spotify بعد التوليد.
- النصوص الطويلة والقصص. تُقسَّم النصوص الطويلة عند حدود الجمل وتُدمج بتلاشٍ متداخل حتى 50,000 حرف، ويرتب خط زمني متعدد المسارات عدة أصوات في قصة.
- الإملاء والتسجيلات. اختصار عام ينسخ بواسطة Whisper أو Whisper Turbo ويلصق في الحقل النشط على macOS؛ ويُحتفظ بكل تسجيل في تبويب Captures مع نصه المنسوخ.
- الوكلاء وواجهة API. واجهة REST API محلية على المنفذ 17493 وخادم MCP بأربع أدوات يتيحان لـ Claude Code وCursor وWindsurf وCline التحدث بصوت مرتبط بكل عميل.
الخطط
التطبيق المحلي مجاني وبلا حساب، وتسرد صفحة الأسعار خطتي Cloud وStudio المدفوعتين وكلتاهما موسومة «coming soon». كل الأرقام هي أسعار الدولار الأمريكي في صفحة الأسعار، التي تقول إنها ليست نهائية.
Local
- ما تذكره صفحة الأسعار:
- 0 $، بلا حساب: استنساخ الصوت عبر كل المحركات، والإملاء والتسجيلات، وتكامل MCP والوكلاء، والشخصيات، وتوليد محلي بلا حد
Cloud
- ما تذكره صفحة الأسعار:
- 12 $ سنويًا عند الإطلاق: نسخ احتياطي ومزامنة مشفّران من طرف إلى طرف، وتخزين 25 GB، وحتى 5 أجهزة، وسجل إصدارات لمدة 30 يومًا
Studio
- ما تذكره صفحة الأسعار:
- 48 $ سنويًا، وموسومة كقيمة مؤقتة: Cloud إضافة إلى تخزين 250 GB، وأجهزة بلا حد، وسجل إصدارات لمدة سنة، ودعم ذي أولوية
الأرقام كما ظهرت في 26 أكتوبر 2026؛ ولم نتحقق من أي عملة أخرى أو أسعار إقليمية، والضرائب غير مشمولة.
تدفق البيانات والخصوصية
تقول سياسة الخصوصية، المحدّثة آخر مرة في 6 يوليو 2026، إن تطبيق سطح المكتب لا يرسل تسجيلاتك ولا ملفات الأصوات ولا النصوص المنسوخة ولا ما تولّده ولا إعداداتك إلى الجهة المشغّلة، ولا تصف أي قياس عن بُعد (telemetry) أو تحليلات للتطبيق. ويضيف الموقع أن النماذج والصوت والنصوص المنسوخة ومخرجات النموذج اللغوي لا تغادر الجهاز، وأن واجهة API المحلية تستمع افتراضيًا على 127.0.0.1.
يوصف النسخ الاحتياطي السحابي الاختياري بأنه مشفّر من طرف إلى طرف على جهازك قبل الرفع، فلا ترى الخوادم سوى البريد الإلكتروني للحساب وأعداد الكائنات وأحجامها ودوال التجزئة وعدّادات المزامنة والطوابع الزمنية. وتغطي السياسة أيضًا ميزة Voice ID التي تخزّن بصمة صوتية مشفّرة، وتحذّر من أن المقاطع المنشورة عامة؛ وتتم المدفوعات عبر Stripe أو بالعملات المشفّرة. ويذكر الموقع خيار «Local or Remote» للاتصال بخلفية على جهاز آخر، ولا يوفّق بينه وبين عبارة «entirely on your machine».
📌ملاحظة: هذه تصريحات من الجهة المطورة وليست نتائج تدقيق. الشيفرة عامة بترخيص MIT، لكن PromptQuorum لم تقرأها ولم تفحص حركة الشبكة الخاصة بالتطبيق، ولا تتناول السياسة تحليلات الموقع.
ما لم نتمكن من التحقق منه
- جودة الصوت والسرعة. لم تستمع PromptQuorum إلى المخرجات ولم تقِس عوامل الزمن الفعلي ولم تختبر دقة الاستنساخ على أي محرك.
- تراخيص النماذج. يغطي ترخيص MIT شيفرة Voicebox؛ ولكل نموذج كلام شروطه الخاصة، وتصف ملاحظة إيداع حديث محرك OmniVoice المضاف حديثًا بأن أوزانه غير مخصصة للاستخدام التجاري. ولم نتحقق من ترخيص أي نموذج.
- عدد المحركات. يسرد README ثمانية محركات منها Qwen VoiceDesign، بينما يسرد الموقع سبعة؛ ولا نعرف أيهما الحالي.
- وتيرة الإصدارات. أحدث إصدار موسوم يعود إلى أبريل 2026 رغم أن الفرع الرئيسي تغيّر في أكتوبر، لذا ليس واضحًا هل تتضمن المثبّتات أحدث المحركات.
- توقيع المثبّتات. لم نتحقق مما إذا كانت مثبّتات macOS وWindows موثّقة أو موقّعة بشهادة مطوّر.
المنافسون والبدائل
XTTS v2
- المنصات:
- macOS وWindows وLinux
- السعر / الرخصة:
- مجاني / CPML
- الفرق الأبرز:
- نموذج استنساخ واحد يُستخدم كمكتبة، بلا تطبيق ولا إملاء ولا ميزات للوكلاء
مقالات حول XTTS v2 (10)
- XTTS v2 Review: Multilingual Voice Cloning from 6 Seconds of Audioمحدَّث ٥ سبتمبر ٢٠٢٦
- Best Local TTS Engine for Mac (2026): What Actually Uses Apple Siliconمحدَّث ١١ سبتمبر ٢٠٢٦
- Best Local TTS Engine for an NVIDIA GPU Setup (2026)محدَّث ١١ سبتمبر ٢٠٢٦
- Best Local TTS Engine for Raspberry Pi (2026)محدَّث ١١ سبتمبر ٢٠٢٦
- Best TTS for Ollama (2026): Adding Voice Output to a Local LLM Setupمحدَّث ١١ سبتمبر ٢٠٢٦
- Piper vs Chatterbox TTS (2026): Fast Local Speech or Voice Cloning?محدَّث ١١ سبتمبر ٢٠٢٦
- Piper vs Kokoro TTS (2026): Which Local Voice Engine Should You Use?محدَّث ١١ سبتمبر ٢٠٢٦
- Bark TTS Review: Suno's MIT-Licensed Model for Laughter, Sighs, and Speechمحدَّث ٦ سبتمبر ٢٠٢٦
- StyleTTS 2 Review: Columbia's MIT-Licensed Research Model for Natural Speechمحدَّث ٦ سبتمبر ٢٠٢٦
- Coqui TTS Review: The Community-Maintained Voice-Cloning Toolkitمحدَّث ٥ سبتمبر ٢٠٢٦
+5 أخرى غير معروضة
Coqui TTS
- المنصات:
- macOS وWindows وLinux
- السعر / الرخصة:
- مجاني / MPL 2.0
- الفرق الأبرز:
- أدوات Python لتشغيل نماذج تحويل النص إلى كلام من الشيفرة لا استوديو لسطح المكتب
مقالات حول Coqui TTS (6)
- Coqui TTS Review: The Community-Maintained Voice-Cloning Toolkitمحدَّث ٥ سبتمبر ٢٠٢٦
- Local Voice & Speech Tools Compared (2026): Text-to-Speech, Speech-to-Text and Voice Agentsمحدَّث ٢٠ سبتمبر ٢٠٢٦
- Best Local TTS Engine for Raspberry Pi (2026)محدَّث ١١ سبتمبر ٢٠٢٦
- Bark TTS Review: Suno's MIT-Licensed Model for Laughter, Sighs, and Speechمحدَّث ٦ سبتمبر ٢٠٢٦
- XTTS v2 Review: Multilingual Voice Cloning from 6 Seconds of Audioمحدَّث ٥ سبتمبر ٢٠٢٦
- Local TTS & Voice Cloning Licenses 2026: Which Engines Allow Commercial Use (Piper, XTTS v2, F5-TTS, Coqui)محدَّث ١٥ يوليو ٢٠٢٦
مذكور أيضًا في:
- Willow Inference Server Review: Self-Hosted Whisper ASR and TTSمحدَّث ١٩ سبتمبر ٢٠٢٦
- Best Local TTS Engine for Mac (2026): What Actually Uses Apple Siliconمحدَّث ١١ سبتمبر ٢٠٢٦
- Best Local TTS Engine for an NVIDIA GPU Setup (2026)محدَّث ١١ سبتمبر ٢٠٢٦
- Best TTS for Ollama (2026): Adding Voice Output to a Local LLM Setupمحدَّث ١١ سبتمبر ٢٠٢٦
+3 أخرى غير معروضة
Handy
- المنصات:
- macOS وWindows وLinux
- السعر / الرخصة:
- مجاني / MIT
- الفرق الأبرز:
- إملاء فقط: بلا توليد كلام ولا استنساخ صوت ولا إخراج صوتي للوكلاء
مقالات حول Handy (2)
- Handy Review: Free Offline Speech-to-Text Dictation Appمحدَّث ٢٤ أكتوبر ٢٠٢٦
- Parrot Review: Free Offline Text-to-Speech That Reads Selected Text Aloudمحدَّث ١٨ أكتوبر ٢٠٢٦
مذكور أيضًا في:
- Kai 9000 Review: Free Open-Source AI Assistant, Cloud or On-Deviceمحدَّث ٣٠ أكتوبر ٢٠٢٦
- Photoview Review: Self-Hosted Photo Gallery with Local Face Recognitionمحدَّث ٣٠ أكتوبر ٢٠٢٦
- Tonfotos Review: Local Face Recognition Photo Managerمحدَّث ٣٠ أكتوبر ٢٠٢٦
- Facet Review: Local Photo Scoring, Culling and Galleryمحدَّث ٢٨ أكتوبر ٢٠٢٦
- Loci AI Review (2026): Offline AI for iPhone, Android, iPad, Mac and Windowsمحدَّث ٢٣ أكتوبر ٢٠٢٦
- Swerve Review: AI Story and Character Chat for iPhoneمحدَّث ١٧ أكتوبر ٢٠٢٦
- Chatbox Review 2026: Cross-Platform AI Chat Client for Desktop, Web, and Mobileمحدَّث ١١ سبتمبر ٢٠٢٦
- AnythingLLM Mobile Review: On-Device Chat + RAGمحدَّث ٦ سبتمبر ٢٠٢٦
+5 أخرى غير معروضة
OpenWhispr
- المنصات:
- macOS وWindows وLinux وiOS
- السعر / الرخصة:
- مجاني جزئيًا / MIT
- الفرق الأبرز:
- إملاء وملاحظات اجتماعات بنماذج محلية أو سحابية، وبلا تحويل نص إلى كلام
مقالات حول OpenWhispr (1)
- OpenWhispr Review: Open-Source Dictation and Meeting Notes Appمحدَّث ٢٤ أكتوبر ٢٠٢٦
هذه تطبيقات من الفئة نفسها في دليل PromptQuorum؛ تحقق من السعر والرخصة والمنصات الحالية في صفحة كل تطبيق.
الأسئلة الشائعة
بأي محرك أبدأ؟
يصف README نموذج Kokoro بأنه نموذج صغير من 82 مليون معامل بـ 50 صوتًا جاهزًا واستخدام سريع على المعالج، ويصف Chatterbox Multilingual بأنه الأوسع لغةً، لذا فحالة الحاسوب الذي يعتمد على المعالج فقط هي حالة Kokoro. ولم نقارن جودة المخرجات.
هل يستطيع وكيل ذكاء اصطناعي التحدث حقًا من خلاله؟
يقول README إن أي وكيل يدعم MCP يستطيع استدعاء أداة speak مع ربط صوت لكل عميل يُضبط في الإعدادات، وتغطي نقطة HTTP بسيطة الأدوات التي لا تدعم MCP. ويظهر شريط على الشاشة كلما تحدث وكيل.
هل يعمل الإملاء على Windows وLinux؟
يُوصف الإملاء وتبويب Captures على كل المنصات، لكن README يسرد اللصق التلقائي على Windows وLinux ضمن خارطة الطريق، لذا لا يتأكد سوى اللصق في الحقل النشط على macOS.
ماذا يفعل النموذج اللغوي المرفق؟
ينظّف نموذج Qwen3 محلي كلمات الحشو في النصوص المنسوخة ويعيد صياغة النص بشخصية ملف الصوت قبل نطقه؛ ويذكر README ثلاثة أحجام: 0.6B و1.7B و4B.
هل Voicebox Cloud متاح؟
لا: يعرض الموقع Cloud بوصفه «coming soon» مع رابط للإشعار، وتقول صفحة الأسعار إن أسعاره وحدوده ليست نهائية. والتطبيق المحلي لا يحتاج إليه.
الخلاصة
Voicebox طريقة نشطة التطوير وبترخيص MIT لاستنساخ الأصوات وتوليد الكلام والإملاء على حاسوبك، مع واجهة API وخادم MCP يتيحان للوكلاء التحدث. وعبارات الخصوصية قوية للتطبيق المحلي المجاني، لكنها ادعاءات من الجهة المطورة، وآخر إصدار موسوم يعود إلى أبريل بينما استمرت الشيفرة في التغير حتى أكتوبر، ويحتاج Linux إلى بناء من الشيفرة المصدرية، ولا يتأكد اللصق التلقائي إلا على macOS. يناسب المبدعين والمطورين الذين يريدون أداة صوتية محلية مجانية واحدة ولا يمانعون تنزيل عدة نماذج كبيرة؛ ومن يحتاج إلى جودة صوت مثبتة أو وضوح في الاستخدام التجاري لكل نموذج أو تثبيتًا متقنًا على Linux فعليه أن يجرّبه وأن يقرأ ترخيص كل نموذج أولًا.
المصادر
- موقع Voicebox — الوصف والمحركات واللغات والتنزيلات.
- أسعار Voicebox — الخطط Local وCloud وStudio.
- Voicebox Cloud — الحالة ووصف التشفير.
- سياسة خصوصية Voicebox — معالجة البيانات، حُدّثت في 6 يوليو 2026.
- توثيق Voicebox — المنصات ومسار Docker.
- Voicebox على GitHub — README وترخيص MIT وتفاصيل API وMCP.
- إصدارات Voicebox — الإصدار 0.5.0 وملفات التثبيت وملاحظات الإصدار.