debpalash(個人開発/OSSコミュニティ)/2026-08
ElevenLabsのような有料音声AIサービスの機能を、完全ローカル・無料で使えるOSSツール。声のクローン作成・動画の多言語吹き替え・文字起こしなどを1つのアプリでまとめて行える。
動画の吹き替えや音声クローンを作れるAIサービスは便利だが、多くはクラウド上で従量課金・音声データを外部送信する仕組みになっている。VoiceStudioは、声のクローン作成、多言語への動画吹き替え、話者ごとのタイミング合わせ、文字起こし、オーディオブック生成といった機能を手元のPC上だけで完結させるオープンソースアプリで、646言語に対応する。音声データが基本的に外部に送信されないため、社外秘の素材や個人の声を扱う案件でも試しやすい。生成した音声には合成音声だと判別できる電子透かし(AudioSeal)が標準で入るため、AI生成物であることを開示しやすい設計にもなっている。広告・映像制作では、海外向けに多言語吹き替え版を素早く試作したり、ナレーターの声質を保ったまま言い回しだけ調整したりする用途に使えそうで、GitHubで1.8万スターを集めるなど注目度も高い。
仕組み:VoiceStudioは自前でAIモデルを新規開発しているのではなく、音声認識(WhisperX)や多言語音声合成(OmniVoiceなど)といった既存のオープンな音声AIモデルを、誰でも使えるデスクトップアプリの形にまとめたソフト。動画を読み込むと、話者ごとにセリフを書き起こし、翻訳したうえで元の話者の声質を保ったまま新しい言語のセリフを読み上げ、元映像の尺にタイミングを合わせる、という一連の作業を1つの画面で行える。 従来との違い:同種の機能は海外の有料クラウドサービスが先行していたが、VoiceStudioはコードも実行環境もすべて公開されており、Windows/Mac/Linuxの手元マシンだけで動く。字幕の行単位編集や再タイミングなど、実務の吹き替え編集に必要な細かい調整機能も直近のv0.5.1(2026年8月28日)で追加された。 使うには:公式サイトからワンコマンドでインストールでき、GPUがなくても動作するが、実用的な速度で使うにはNVIDIAのGPUかApple Siliconを推奨。アプリ自体はAGPL-3.0で無料だが、既定の音声合成モデルはCC-BY-NC(非商用)ライセンスのため、案件で使う音声の商用利用可否は別途確認が必要。
アプリ本体はAGPL-3.0。ただし既定の音声合成モデルOmniVoiceはCC-BY-NC(非商用)のため、生成音声を商用利用する場合は個別にモデルのライセンス確認が必要。
Windows向けの無料ローカル動画吹き替えアプリ(声のクローン・翻訳・字幕)
Qwen3-TTS等を使ったGradioベースの音声クローン・音声デザインUI