メインコンテンツへスキップ
PromptQuorum人のために設計。 AI向けに構造化。
ホーム/ローカルLLM活用
Voice, Speech & Multimodal

VoiceStudioレビュー:無料のローカル音声クローン・吹き替えスタジオ

·8分で読める 著 · PromptQuorum創設者 · オープンウェイト/オープンソースAIの発見エンジン

VoiceStudio(安定版0.5.8)は、声のクローンとデザイン、動画の吹き替え、文字起こし、音声入力ができるAGPL-3.0のデスクトップスタジオで、開発者は無料アプリがアカウント不要でお使いのマシン上で動くと述べています。 ローカルAPI、CLI、MCP対応も備えており、このレビューの記述はすべて、開発者の公式サイト、プライバシーページと利用規約、GitHubリポジトリに基づいています。

重要なポイント

  • メンテナンス:メインブランチの最終更新は2026年11月18日で、最新タグも同日のプレリリースのため、放置プロジェクトの警告は該当しません。
  • バージョン:最新の安定版は2026年11月12日の0.5.8で、より速く更新される0.5.9ベータ版はプレリリースとして公開されています。
  • 費用:アプリはAGPL-3.0で無料です。商用ライセンス付きのクローズドソースのPro版は別ビルドで有料ですが、確認したページに価格はありません。
  • 対応環境:macOS(Apple シリコン)、Windows、Linuxで安定版、Dockerイメージもあり、AndroidとiOSはプレビューと表示されています。
  • 開発者:リポジトリのメンテナーで、サイトのデータには作成者として個人開発者の名前が挙げられています。利用規約はインド法に基づき、会社情報(インプリント)は見つかりませんでした。

📍 一文で説明

VoiceStudioは、お使いのコンピューター上で声のクローンとデザイン、動画吹き替え、文字起こし、音声入力、オーディオブックのナレーションを行うオープンソースのデスクトップアプリで、ローカルAPI、CLI、MCPに対応しています。

💬 簡潔に説明

クラウドの音声サービスのローカル版と考えてください。サブスクリプションのサイトではなく、アプリをインストールしてモデルをダウンロードし、音声の作業を自分のマシンで行います。

📌補足: このレビューは、voicestudio.sh、そのプライバシーページと利用規約、GitHubリポジトリ、リリースページに基づき、2026年11月19日に確認したものです。PromptQuorumはアプリをインストールも実行もしていないため、音声品質、吹き替え品質、速度は評価していません。

VoiceStudio(voicestudio.sh。サイトの構造化データでは「OmniVoice Studio」とも表記)は、声のクローンとデザイン、動画の吹き替え、音声の文字起こし、音声入力、書籍のナレーションを、お使いのコンピューター上のモデルで行うオープンソースのデスクトップアプリです。基本アプリはAGPL-3.0ライセンスで無料で、商用ライセンスを加えた有料のPro版は別ビルドです。ローカルAPI、コマンドライン、MCPにも対応しています。このレビューは、公式サイト、そのプライバシーページと利用規約、GitHubリポジトリとリリースに基づき、2026年11月19日に確認したものです。PromptQuorumはアプリを実際には試していません。

VoiceStudioレビュー:無料のローカル音声クローン・吹き替えスタジオ

VoiceStudioとは

VoiceStudioは、お使いのコンピューター上で動く音声作業用のデスクトップスタジオです。短いサンプルからの声のクローン、説明からの声のデザイン、動画の吹き替え、文字起こし、音声入力、台本やEPUBのオーディオブック化ができます。 公式サイトは、アカウント不要でElevenLabsの無料のオープンソース代替(無料なのはコアアプリで、有料のPro版もあります)と位置づけており、構造化データには「OmniVoice Studio」という名前も載っています。

READMEはデフォルトエンジンとしてk2-fsa/OmniVoiceを挙げ、Model Managerで他にも数十のエンジンを使え、音声認識にはwhisper.cppを使うと述べています。 サイトとREADMEは646言語をうたっていますが、エンジンごとの内訳はないため、この数字は開発者の主張として扱ってください。

入手方法

VoiceStudioはmacOS、Windows、Linuxで通常のアプリと同様にインストールでき、ターミナルは不要です。READMEにはHomebrew、ワンライナーのインストーラー、Snap、AUR、Dockerも記載されています。

選択肢
入手方法
macOSApple シリコン用.dmg(制限付きのIntel版もあり)またはHomebrew cask:GitHub Releases
Windowsx64用セットアップ.exe(ARMは実験的)またはPowerShellのワンライナー:GitHub Releases
Linuxx64用.debまたはAppImage、Snap、AUR:GitHub Releases
Dockerイメージghcr.io/debpalash/voicestudio:stable(ポート3900):README
AndroidとiOSAPKと未署名のIPA(プレビュー表示):GitHub Releases
公式サイトvoicestudio.sh
プライバシーポリシーvoicestudio.sh/privacy
ソースコードgithub.com/debpalash/VoiceStudio、AGPL-3.0ライセンス

確認したバージョン:0.5.8。GitHubのリリースページによれば、最新の安定版で2026年11月12日に公開されています。最新タグは2026年11月18日のプレリリース0.5.9-beta.6で、最新のコミットも2026年11月18日です。GitHubはこれらのインストーラーの配布経路にすぎず、モデルは別途ダウンロードします。

動作要件

公式サイトによれば、始めるにはRAM約8 GBで足り、GPUは任意ですが高速になります。READMEに最小VRAMの記載はありません。

OS

情報源の記述:
macOS 13.3以降のApple シリコン(IntelのMacはリモートバックエンドのみ)、Windows 10/11 x64、Linux x64で安定版。Windows on ARMは実験的

アクセラレーション

情報源の記述:
MacはMetal、WindowsはNVIDIA CUDAまたは任意のAMD ROCm、LinuxはCUDA・CPU・Vulkan。CPUでも動作するが遅い

メモリとVRAM

情報源の記述:
公式サイトによれば始めるにはRAM約8 GB。READMEにVRAMの数値はなく、別のパフォーマンスガイドを案内

モデル

情報源の記述:
アプリ内のModel Managerでダウンロード。各モデルが独自のライセンスを表示

モバイル

情報源の記述:
Android 10以降とiOS 17以降はプレビュー表示。iOSはサイドロードが必要

インターネット

情報源の記述:
モデルのダウンロードと更新確認に必要。公式サイトによれば、無料アプリはユーザーが求めたときだけオンラインになる

どのモデルがどのバックエンドで動くか、特定のモデルにどれだけメモリが必要かは、PromptQuorumでは確認していません。

情報源で確認できた機能

以下はすべて公式サイトまたはREADMEの記述で、独立した検証は行っていません。

  • クローンとデザイン。 約3秒のクリアな音声から声を作成するか、録音なしで性別・年齢・アクセント・ピッチ・感情から声をデザインできます。保存した声は再利用できます。
  • 吹き替え。 動画を文字起こし・翻訳・再ボイス化し、各話者を分けて元のタイミングに合わせます。複数話者の吹き替えと吹き替えの書き出しのガイドがあります。
  • ナレーション。 長い台本やEPUBを、クローン・デザイン・プリセットの声が読む章立てのオーディオブックにでき、ストーリーの役ごとに声を割り当てられます。
  • 音声入力と文字起こし。 ローカルの認識エンジンと検索可能な履歴を備えたフローティングの音声入力ウィジェットと、音声・動画からの編集可能なトランスクリプト。
  • 自動化。 文書化されたローカルAPI(音声、声、吹き替え、ジョブ、MCPなど)、CLI、再利用できるレシピ、監視フォルダー、キュー化されたバッチジョブ。
  • 言語。 サイト自体は12言語で提供され、音声は646言語に対応するとうたっています。

費用とライセンス

デスクトップアプリはAGPL-3.0で無料のオープンソースです。別ビルドのクローズドソース版VoiceStudio Proが有料の商用ライセンスを加えますが、確認したページに価格はありません。

無料アプリ

情報源の記述:
AGPL-3.0、アカウント不要。モデルの重み、声、出力には各自のライセンスがあり、モデルごとに表示される

VoiceStudio Pro

情報源の記述:
チーム向けの有料商用ライセンスと追加機能、7日間の無料トライアル、7日間の返金、自動更新なし。価格は非表示

クラウド

情報源の記述:
アーリーアクセスと表示、料金なし

商用利用

情報源の記述:
公式サイトは商用条件が必要なチーム向けにProを提供。正確な範囲は確認したページに明記なし

AGPL-3.0の義務はソフトウェアの使い方や配布の仕方によって変わるため、ここでは要約しません。商用利用の前に弁護士へご相談ください。

データの流れとプライバシー

公式サイトによれば、無料アプリはアカウントもクラウドも不要で、更新の確認やモデルのダウンロードなど、ユーザーが求めたときだけオンラインになります。READMEは完全にローカルのツールと説明しています。 プライバシーページには、無料のデスクトップアプリはデータをローカルで処理し、更新やモデルの要求時、またはネットワーク型アダプターを使うときだけネットワークに接続すると書かれています。

同じページには、Proのデスクトップアプリはアカウントが必要で、IPアドレスと国を記録するライセンス確認を送信し、オフにできないとする使用状況・エラーのテレメトリーを第三者の分析サービスに送ると書かれています。また、公開サイトはCookieなしの分析とCloudflareのホスティングを使うとも記されています。

📌補足: これらは開発者の表明であり、監査の結果ではありません。PromptQuorumはコードを読んでおらず、アプリのネットワーク通信も検査していません。

声のクローン、同意、モデルライセンス

クローンには短いサンプルだけで足りますが、開発者自身のルールは声の持ち主の許可を求め、なりすましと詐欺を禁じています。同意を得る責任は利用者にあります。

  • 同意と法律。 声のクローンが合法かどうかは、人物、目的、国によって異なります。このレビューは法的助言ではなく、PromptQuorumはどの法域も評価していません。
  • モデルのライセンスは異なります。 READMEによれば、モデルの重み、声、出力には各自のライセンスがあり、Model Managerでモデルごとに表示されます。AGPL-3.0はアプリに適用され、それらの重みには適用されません。
  • 準拠法。 利用規約にはインド法が準拠法で、トリプラ州アガルタラの裁判所が管轄とあります。会社名や住所は記載されていません。

⚠️注意: 声の持ち主の同意なしに声をクローンしないでください。本人の許可なく声をクローンすると、人格権やデータ保護に関する権利を侵害するおそれがあり、用途によっては合成音声の表示義務が生じる場合があります。まず同意を得てください。これは法的助言ではありません。

確認できなかった点

  • 出力品質と速度。 PromptQuorumはクローンした声を聴いておらず、吹き替えの精度も確認せず、どのモデルでも生成時間を計測していません。
  • 対応言語。 646言語という数字はエンジン別の一覧がない開発者の主張で、どの言語も検証していません。
  • 無料版とPro版。 Proは追加機能と商用ライセンスを加えるとありますが、機能ごとの一覧も価格も見つかりませんでした。
  • リリースの安定性。 プレリリースは週に何度も公開されるため、安定版0.5.8と最新のベータは異なる可能性があります。
  • インストーラーの署名。 macOSとWindowsのインストーラーが公証またはコード署名されているかは確認していません。

競合と代替ツール

Voicebox

対応OS:
macOS、Windows(Linuxはソースから)
価格/ライセンス:
無料/MIT
主な違い:
声のクローン、音声合成、WhisperによるMCPサーバー付き音声入力。レビューに動画吹き替えの記載なし
Voiceboxに関する記事(1件)

その他の言及:

YoVoice

対応OS:
macOS、Windows、Linux
価格/ライセンス:
無料/Apache-2.0
主な違い:
音声、声のクローン、AI音楽をCLIとMCPサーバーで。有料Pro版は見つからず
YoVoiceに関する記事(1件)

その他の言及:

XTTS v2

対応OS:
macOS、Windows、Linux
価格/ライセンス:
無料/CPML(非商用)
主な違い:
ライブラリとして使う単一のクローンモデルで、スタジオ・吹き替え・音声入力の機能なし
XTTS v2に関する記事(10件)

さらに6件(非表示)

いずれもPromptQuorumディレクトリの同カテゴリのアプリです。現在の価格、ライセンス、対応OSは各アプリのページでご確認ください。

ディレクトリで比較する

よくある質問

スクリプトやAIエージェントから使えますか。

はい。READMEにローカルAPI、CLI、MCP対応の記載があり、ドキュメントにはMCPのセクションとOpenAI互換の音声エンドポイントがあります。いずれも検証していません。

デフォルトのエンジンは何ですか。

READMEはk2-fsa/OmniVoiceをデフォルトエンジンとし、Model Managerで他にも数十のエンジンを使え、音声認識にはwhisper.cppを使うと述べています。

自分の言語に対応していますか。

開発者はエンジン別の内訳なしに646言語をうたっており、サイトはドイツ語、フランス語、スペイン語、中国語、アラビア語を含む12言語で提供されています。いずれも検証していません。

GPUのないコンピューターで動きますか。

READMEはCPUでも動作するが遅いと述べ、公式サイトは始めるにはRAM約8 GBで足りるとしています。速度は計測していません。

AndroidやiPhoneのアプリはすぐ使えますか。

いいえ。READMEはAndroid(10以降)とiOS(17以降)のビルドをプレビューと表示しており、iOSのファイルはサイドロードが必要な未署名のIPAです。

総評

VoiceStudioは、お使いのコンピューターで声のクローン、動画吹き替え、文字起こし、音声入力ができる、更新の速いAGPL-3.0のツールで、ローカルAPIとMCPに対応し、商用条件向けに有料のPro版が別ビルドで用意されています。ローカル優先という記述は独立した監査ではなく公式サイトとREADMEに基づき、Macの安定版対応はApple シリコンのみで、モバイルアプリはプレビュー、モデルの重みには各自のライセンスがあり、646言語・品質・速度の主張はここでは未検証です。無料のローカル音声ツールを求めるクリエイターや開発者に向きます。実証された出力品質、明確な商用条件、検証済みのデータポリシーが必要な方は、試した上で、先にPro版の規約をお読みください。

情報源

← ローカルLLM活用 に戻る

MCP