Voicebox-Rezension: Open-Source-Sprachstudio für den eigenen Rechner

Voicebox ist ein Local-first-Sprachstudio, das beide Richtungen der Stimme abdeckt: Es spricht Text in geklonten oder voreingestellten Stimmen vor, und es hört zu, transkribiert und fügt ein, was Sie sagen. Die README nennt es eine kostenlose und quelloffene Alternative zu ElevenLabs und WisprFlow in einer App, und die Website beschreibt, dass es vollständig auf Ihrem Rechner läuft.

Die App ist mit Tauri (Rust) rund um ein Python-FastAPI-Backend gebaut, und die Website nennt Spacedrive Technology Inc. als Betreiber. Version 0.5.0, in ihren Notizen „the Capture release“ genannt, brachte Diktat, Stimm-Persönlichkeiten und den MCP-Server. Die auf der Website gezeigte Version „v0.2.0“ ist eine Beschriftung im Demo-Screenshot, nicht die Release-Nummer.

Voicebox gibt es als Download für macOS und Windows; für Linux existiert keine vorkompilierte Datei, es muss aus dem Quellcode gebaut werden, und die README zeigt außerdem einen Docker-Weg.

Die Quellen nennen weder einen Mindest-RAM noch einen Mindest-Festplattenplatz oder eine Mindestversion des Betriebssystems; der anspruchsvolle Teil sind die Sprachsynthese- und Textmodelle, die separat heruntergeladen werden.

Alle folgenden Punkte stammen aus der Website, der Dokumentation oder der README; keiner wurde unabhängig getestet.

Die lokale App ist ohne Konto kostenlos, und die Preisseite führt bezahlte Tarife Cloud und Studio auf, die beide als „coming soon“ gekennzeichnet sind. Alle Angaben sind die US-Dollar-Preise der Preisseite, die selbst sagt, dass sie nicht endgültig sind.

Die Datenschutzerklärung, zuletzt aktualisiert am 6. Juli 2026, sagt, dass die Desktop-App Ihre Aufnahmen, Stimmprofile, Transkripte, Generierungen oder Einstellungen nicht an den Betreiber überträgt, und sie beschreibt keine Telemetrie oder Analyse für die App. Die Website ergänzt, dass Modelle, Audio, Transkripte und Ausgaben des Sprachmodells den Rechner nie verlassen, und die lokale API lauscht standardmäßig auf 127.0.0.1.

Das optionale Cloud-Backup wird als auf Ihrem Gerät vor dem Hochladen Ende-zu-Ende-verschlüsselt beschrieben, sodass die Server nur die Konto-E-Mail, Objektzahlen und Größen, Hashes, Synchronisierungszähler und Zeitstempel sehen. Die Erklärung behandelt außerdem eine Funktion Voice ID, die einen verschlüsselten Stimmabdruck speichert, und warnt, dass veröffentlichte Clips öffentlich sind; Zahlungen laufen über Stripe oder per Kryptowährung. Die Website erwähnt eine Option „Local or Remote“, um sich mit einem Backend auf einem anderen Rechner zu verbinden, und gleicht sie nicht mit ihrer Formulierung „entirely on your machine“ ab.

Voicebox ist ein aktiv entwickelter Weg unter MIT-Lizenz, auf dem eigenen Computer Stimmen zu klonen, Sprache zu erzeugen und zu diktieren, mit einer API und einem MCP-Server, über die Agenten sprechen können. Die Datenschutzaussagen sind für die kostenlose lokale App deutlich, aber sie sind Angaben des Herstellers, das letzte getaggte Release stammt vom April, während der Code bis in den Oktober weiter geändert wurde, Linux erfordert einen Build aus dem Quellcode, und automatisches Einfügen ist nur unter macOS bestätigt. Es passt zu Kreativen und Entwicklern, die ein kostenloses lokales Sprachwerkzeug wollen und bereit sind, mehrere große Modelle herunterzuladen; wer belegte Stimmqualität, Klarheit zur kommerziellen Nutzung jedes Modells oder eine ausgereifte Linux-Installation braucht, sollte es testen und zuerst die Lizenz jedes Modells lesen.