Análise do Voicebox: estúdio de voz local de código aberto

O Voicebox é um estúdio de voz com foco no local que cobre os dois sentidos da voz: ele fala o texto em voz alta com vozes clonadas ou predefinidas, e também ouve, transcreve e cola o que você diz. O README o chama de alternativa gratuita e de código aberto ao ElevenLabs e ao WisprFlow em um só app, e o site o descreve como rodando inteiramente na sua máquina.

O app é feito com Tauri (Rust) em torno de um backend Python FastAPI, e o site cita a Spacedrive Technology Inc. como responsável. A versão 0.5.0, chamada de “the Capture release” nas suas notas, acrescentou ditado, personalidades de voz e o servidor MCP. A versão “v0.2.0” exibida no site é um rótulo dentro da captura de tela de demonstração, não o número da versão.

O Voicebox é um download para macOS e Windows; o Linux não tem binário pronto e precisa ser compilado a partir do código-fonte, e o README também mostra um caminho com Docker.

As fontes não informam RAM, disco nem versão mínima do sistema operacional; a parte exigente são os modelos de voz e de linguagem, que são baixados separadamente.

Tudo o que segue vem do site, da documentação ou do README; nada foi testado de forma independente.

O app local é gratuito e sem conta, e a página de preços lista os planos pagos Cloud e Studio, ambos marcados como “coming soon”. Todos os valores são preços em dólares americanos da página de preços, que diz que eles não são definitivos.

A política de privacidade, atualizada pela última vez em 6 de julho de 2026, diz que o app de desktop não transmite as suas gravações, perfis de voz, transcrições, gerações nem configurações ao responsável, e não descreve telemetria nem análise de uso no app. O site acrescenta que modelos, áudio, transcrições e a saída do modelo de linguagem nunca saem da máquina, e que a API local escuta em 127.0.0.1 por padrão.

O backup opcional na nuvem é descrito como criptografado de ponta a ponta no seu dispositivo antes do envio, de modo que os servidores veem apenas o e-mail da conta, contagens e tamanhos de objetos, hashes, contadores de sincronização e carimbos de data e hora. A política também trata de um recurso Voice ID que guarda uma impressão de voz criptografada e avisa que clipes publicados são públicos; os pagamentos passam pelo Stripe ou por criptomoeda. O site menciona uma opção “Local or Remote” para se conectar a um backend em outra máquina, que ele não concilia com a formulação “entirely on your machine”.

O Voicebox é um jeito ativo e com licença MIT de clonar vozes, gerar fala e ditar no seu próprio computador, com uma API e um servidor MCP que permitem que agentes falem. As declarações de privacidade são fortes para o app local gratuito, mas são afirmações do desenvolvedor, a última versão publicada é de abril enquanto o código continuou mudando até outubro, o Linux exige compilação a partir do código-fonte e a colagem automática só está confirmada no macOS. Ele serve para criadores e desenvolvedores que querem uma só ferramenta de voz local e gratuita e aceitam baixar vários modelos grandes; quem precisa de qualidade de voz comprovada, de clareza sobre o uso comercial de cada modelo ou de uma instalação refinada no Linux deve testá-lo e ler antes a licença de cada modelo.