Voicebox

Voicebox là một ứng dụng Nguồn mở trên máy tính để bàn cho phép bạn tổng hợp và sao chép bất kỳ giọng nói nào bằng cách sử dụng mô hình Qwen3‑TTS. Mọi thứ được tạo ra với Voicebox đều được thực hiện cục bộ trên máy tính của bạn, vì vậy bạn sẽ không phụ thuộc vào token hoặc các gói đăng ký trả phí.

Nhân bản giọng nói và tổng hợp với Qwen3‑TTS

Trong Voicebox, bạn có thể sao chép giọng nói chỉ từ vài giây âm thanh tham khảo (tối đa 30 giây) bằng cách sử dụng khả năng của Qwen3‑TTS để tái tạo giọng điệu, âm sắc và giọng điệu với độ trung thực cao. Để sử dụng âm thanh tham chiếu, trước tiên bạn phải tải lên một tệp giọng nói hoặc ghi âm trực tiếp từ micro. Sau đó, bạn phải nói cho ứng dụng biết những gì bạn đã nói, hoặc sử dụng tính năng chuyển đổi giọng nói thành văn bản tích hợp sẵn để chuyển nó thành văn bản. Chỉ với thông tin này, ứng dụng sẽ lưu hồ sơ và bạn có thể sử dụng nó để tạo âm thanh mà không cần phải huấn luyện lại.

Tạo âm thanh với bất kỳ giọng nói nào

Sau khi hồ sơ được tạo, bạn viết văn bản mà bạn muốn giọng nói đọc, và Voicebox tạo ra âm thanh tương ứng. Điều này hữu ích, ví dụ, để tạo ra các bản dịch thuật của văn bản sang các ngôn ngữ khác trong khi vẫn giữ nguyên giọng điệu của bạn. Nó cũng cho phép bạn tạo ra các bản lồng tiếng hài hước, tự làm tại nhà, hoặc thậm chí lồng tiếng cho trò chơi điện tử. Ngoài ra, bạn có thể xuất từng hồ sơ giọng nói và gửi cho ai đó để họ có thể tạo âm thanh trên máy tính của họ với nó.

Chuyển âm với Whisper và ghi âm thanh

Voicebox tích hợp Whisper một cách tự nhiên để chuyển đổi âm thanh đầu vào thành văn bản và căn chỉnh văn bản với giọng nói được tạo ra. Điều này cho phép bạn chỉnh sửa văn bản trực tiếp trên dòng thời gian và xem cách phát âm thay đổi, điều này rất hữu ích nếu bạn muốn sửa lỗi, điều chỉnh khoảng dừng, hoặc chỉnh sửa đối thoại trong khi vẫn giữ nguyên giọng nói đã sao chép. Nó cũng bao gồm chức năng ghi âm hệ thống, vì vậy bạn có thể ghi lại âm thanh phát ra từ máy tính của mình (từ một trò chơi hoặc một cuộc gọi, chẳng hạn) và sử dụng nó làm tham chiếu để sao chép giọng nói, hoặc làm cơ sở cho một cảnh âm thanh.

API địa phương và máy chủ giọng nói

Ngoài giao diện đồ họa, Voicebox được thiết kế để tích hợp vào các dự án khác: nó cung cấp một REST API và một máy chủ cục bộ mà bạn có thể khởi động chỉ với một cú nhấp chuột để sử dụng tạo giọng nói từ trò chơi, ứng dụng hoặc các tác nhân AI. Từ API này, bạn có thể gửi văn bản, chọn hồ sơ giọng nói và nhận âm thanh được tạo ra ở định dạng tiêu chuẩn, cho phép tự động hóa các bài tường thuật, đối thoại hoặc thông báo giọng nói mà không cần phải đi qua các dịch vụ đám mây. Ứng dụng được xây dựng với Tauri, Rust và Python, làm cho nó tương đối nhẹ so với các giải pháp dựa trên Electron và cho phép thực thi cục bộ mà không cần yêu cầu phần cứng lớn. Tuy nhiên, hiệu suất sẽ phụ thuộc vào GPU/CPU của bạn và cách mô hình Qwen3-TTS được cấu hình trên máy của bạn, vì tất cả quá trình xử lý đều được thực hiện trên thiết bị của bạn.

Tạo ra những câu chuyện với giọng nói

Ngoài việc tạo âm thanh, Voicebox có một phần để tạo ra các câu chuyện bằng giọng nói, nơi bạn có thể nhập những gì bạn muốn xảy ra trong câu chuyện. Điều này lý tưởng để tạo nội dung giải trí cho con bạn, hoặc thậm chí để kể chuyện cười bằng các giọng nói khác nhau.

Kinh nghiệm của tôi khi sử dụng Voicebox

Khi thử nghiệm Voicebox trên máy tính của tôi, tôi thấy rất dễ dàng để sao chép một giọng nói chỉ với vài giây âm thanh, lưu hồ sơ, và sau đó tạo ra một số đoạn văn bản để ghép thành một đoạn hội thoại nhỏ trên dòng thời gian. Tuy nhiên, một số tính năng còn thiếu, chẳng hạn như khả năng thêm nhiều âm thanh hơn hoặc thực hiện các điều chỉnh giọng nói nâng cao để làm cho nó nghe thực tế hơn.

Điều tôi thích nhất và điều có thể cải thiện

• Điều tôi thích nhất: tất cả quá trình nhân bản và tổng hợp đều được thực hiện tại chỗ, không cần đám mây và không có phí đăng ký.

• Điều tôi muốn cải thiện: khả năng tùy chỉnh giọng nói và sử dụng nhiều mẫu để âm thanh cuối cùng được tạo ra nghe hay hơn. Ngoài ra, tùy thuộc vào mức độ mạnh mẽ của máy tính của bạn, có thể mất vài phút để tạo nội dung. Có những mô hình nhẹ hơn mà bạn có thể sử dụng để tạo nội dung, nhưng mô hình càng phức tạp thì kết quả sẽ càng tốt.

Voicebox dành cho bạn nếu...

✓ Bạn muốn sao chép giọng nói và tạo ra giọng nói mà không cần dựa vào dịch vụ đám mây hoặc trả tiền cho các gói đăng ký.

✓ Bạn làm việc với podcast, lồng tiếng, trò chơi hoặc các tác nhân AI và cần một trình chỉnh sửa dòng thời gian để ghép các cảnh thoại.

✓ Bạn thích một giải pháp địa phương, riêng tư và mở mà bạn có thể tích hợp vào các dự án khác.

Tải xuống Voicebox và bắt đầu sử dụng một studio tổng hợp và sao chép giọng nói chạy hoàn toàn trên máy tính của bạn, với hỗ trợ cho Qwen3‑TTS và Whisper.