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 |
|---|---|
| macOS | Apple シリコン用.dmg(制限付きのIntel版もあり)またはHomebrew cask:GitHub Releases |
| Windows | x64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 |
| Linux | x64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iOS | APK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)
- Voicebox Review: Open-Source Local Voice Studio更新日 2026年10月26日
その他の言及:
- Univocal Review: Read-Aloud and Dictation on Your Mac更新日 2026年11月16日
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)
- YoVoice Review: Local Voice Cloning and Music Studio更新日 2026年11月17日
その他の言及:
- Kition Review: The Open Pro Suite for AI Agents更新日 2026年11月18日
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)
- XTTS v2 Review: Multilingual Voice Cloning from 6 Seconds of Audio更新日 2026年9月5日
- Best Local TTS Engine for an NVIDIA GPU Setup (2026)更新日 2026年11月19日
- Local ElevenLabs Alternatives: Piper vs XTTS v2 (2026)更新日 2026年11月19日
- Local TTS & Voice Cloning Licenses 2026: Which Engines Allow Commercial Use (Piper, XTTS v2, F5-TTS, Coqui)更新日 2026年11月19日
- YoVoice Review: Local Voice Cloning and Music Studio更新日 2026年11月17日
- Best Local TTS Engine for Mac (2026): What Actually Uses Apple Silicon更新日 2026年9月11日
- Best Local TTS Engine for Raspberry Pi (2026)更新日 2026年9月11日
- Best TTS for Ollama (2026): Adding Voice Output to a Local LLM Setup更新日 2026年9月11日
- Piper vs Chatterbox TTS (2026): Fast Local Speech or Voice Cloning?更新日 2026年9月11日
- Piper vs Kokoro TTS (2026): Which Local Voice Engine Should You Use?更新日 2026年9月11日
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。
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
- VoiceStudio公式サイト — 機能、対応OS、ライセンス、Proの情報。
- VoiceStudioのプライバシーページ — 無料アプリ、Pro、サイトのデータの扱い。
- VoiceStudioの利用規約 — 準拠法と許容される利用。
- GitHubのVoiceStudio — README、AGPL-3.0ライセンス、インストール方法、対応プラットフォーム。
- VoiceStudioのリリース — バージョン0.5.8と新しいプレリリース、日付、インストーラーファイル。
