Ce que fait Voicebox
Voicebox est une application vocale IA « local-first » qui se présente comme une alternative gratuite et open source à la fois à ElevenLabs (sortie vocale) et à Wispr Flow (dictée). Vous clonez une voix à partir d'environ 3 secondes d'audio (un fichier WAV, MP3, FLAC ou WebM importé, un enregistrement au micro d'une durée maximale de 30 secondes, ou l'audio système capturé), puis vous générez de la parole jusqu'à 50.000 caractères par exécution ; les textes longs sont découpés aux limites des phrases et raccordés par fondu enchaîné. Vous pouvez changer de moteur à chaque génération : le site cite Qwen3-TTS, Qwen CustomVoice, Chatterbox, Chatterbox Turbo, LuxTTS, TADA (Hume AI) et Kokoro, et le README ajoute Qwen VoiceDesign. La couverture linguistique dépend du moteur, de 10 langues jusqu'à 23 avec Chatterbox. Un éditeur de chronologie Stories gère les récits multivoix, et une chaîne d'effets ajoute transposition de hauteur, réverbération, délai et compression.
Pour la saisie, maintenez un raccourci clavier global, parlez puis relâchez : Whisper (99 langues) transcrit et, sous macOS, colle le texte dans le champ actif, avec un nettoyage facultatif des mots de remplissage par un modèle Qwen3 local. Pour les agents, tout client MCP (le site cite Claude Code, Cursor et Cline) peut appeler un outil voicebox.speak sur 127.0.0.1:17493, et une API REST locale expose la génération, les profils et l'historique. Les téléchargements sont un DMG pour les Mac Apple Silicon et Intel et un MSI pour Windows ; les utilisateurs de Linux compilent depuis les sources ou utilisent Docker. L'accélération couvre Metal/MLX sur Apple Silicon, CUDA, ROCm, Intel Arc et DirectML, ou une machine distante.
