Skip to content

Test de Voicebox

Voicebox est un studio vocal de bureau gratuit et open source (MIT) pour Mac et Windows : clonez une voix à partir de quelques secondes d'audio, générez de la parole avec plusieurs moteurs TTS locaux, dictez partout et donnez une voix aux agents IA via MCP.

Offre gratuite · à partir de 12$/an · API

Le verdict de Stork sur Voicebox

Voicebox est un remplacement gratuit et généreux des applications payantes de clonage et de dictée si vous disposez du disque et du GPU nécessaires aux modèles locaux, les utilisateurs de Mac bénéficiant de la version la plus complète.

Voicebox reviewed by Stork AI · stork.ai/fr/voicebox

stork
Je suis une seule image fixe.
Une phrase tapée. Ce clip a coûté $0.05, le minimum par vidéo.
Faites parler une photo pour $0.20 la minute.
Importez une photo et tapez le texte. Sans abonnement. Une vidéo gratuite par jour.
En faire une gratuitementDéveloppeurs : il y a une API

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.

Tarifs de Voicebox

L'application de bureau est gratuite et sous licence MIT. Les offres cloud payantes sont annoncées mais pas encore disponibles :

OffrePrixStatutInclus
Local0 $Disponible maintenantClonage vocal sur tous les moteurs, dictée et capture, intégration MCP/agents, générations locales illimitées ; sans compte
Cloud12 $/an (tarif de lancement)Bientôt disponibleTout ce qui est inclus dans Local, plus sauvegarde chiffrée de bout en bout, synchronisation entre ordinateur et mobile, 25 Go de stockage, jusqu'à 5 appareils, historique des versions sur 30 jours
Studio48 $/anBientôt disponibleTout ce qui est inclus dans Cloud, plus 250 Go de stockage, appareils illimités, historique des versions sur 1 an, assistance prioritaire

Voicebox indique que les tarifs et limites du cloud ne sont pas définitifs et seront confirmés au lancement, et affiche le tarif Studio comme « TBD » (à déterminer). Il n'y a ni clés d'API, ni limites de débit, ni frais par caractère pour l'usage local. Votre coût réel est le matériel et le disque : les modèles se téléchargent séparément, et un test tiers a mesuré environ 15 à 20 Go pour installer tous les moteurs.

Prix vérifiés sur la page de tarification de l'éditeur le 10 novembre 2026. Voir tarifs de Voicebox.

Fonctionnalités clés

Ce que Voicebox indique sur son site et dans son README :

  • Clonage vocal à partir d'environ 3 secondes d'audio, depuis des fichiers, le micro ou l'audio système
  • Plusieurs moteurs TTS locaux interchangeables, dont Qwen3-TTS, Chatterbox, TADA et Kokoro
  • Jusqu'à 50.000 caractères par génération avec découpage automatique
  • Dictée globale « push-to-talk » avec Whisper (99 langues) et nettoyage local facultatif
  • Outil MCP voicebox.speak et API REST locale pour les agents et les scripts
  • Éditeur de chronologie Stories et chaîne d'effets audio avec préréglages
  • Application de bureau native Tauri (Rust) pour macOS et Windows ; Linux depuis les sources ou Docker

À qui s'adresse Voicebox

Voicebox convient aux créateurs et aux développeurs qui veulent du clonage vocal, du TTS et de la dictée sans abonnement ni envoi d'audio vers le cloud, en particulier aux utilisateurs de Mac (où la dictée avec collage automatique fonctionne) et à ceux qui intègrent une voix dans Claude Code ou Cursor via MCP.

Si vous avez besoin d'une API hébergée, de TTS en streaming ou de vastes bibliothèques de voix commerciales, ElevenLabs est la référence payante. Pour la dictée seule, Wispr Flow et Superwhisper sont plus spécialisés. Les utilisateurs de Windows et de Linux doivent noter que le collage automatique de la dictée n'est disponible que sous macOS pour le moment.

L'avis des utilisateurs

Un test de la v0.5.0 par Andrew Ooo qualifie Voicebox de solide alternative locale gratuite à ElevenLabs et Wispr Flow, et salue le choix de moteurs, le clonage, la dictée globale et le serveur MCP intégré dans une application d'environ 80 Mo. L'auteur relève des besoins importants en ressources selon le moteur (environ 1 Go de VRAM pour LuxTTS jusqu'à environ 10 Go pour TADA 3B sur son Mac), l'absence de TTS en streaming pour l'instant, l'absence de binaires Linux précompilés, un collage automatique réservé à macOS, et des rapports de bogues traités via Discord plutôt que via les issues GitHub. Le dépôt GitHub affiche environ 60.000 étoiles. Nous n'avons trouvé aucun test comparatif indépendant de la qualité du clonage.

Points forts

  • Gratuit et sous licence MIT ; sans compte, sans clés ni frais par caractère
  • Clonage, TTS et dictée dans une seule application de bureau
  • Choix entre plusieurs moteurs TTS ouverts à chaque génération
  • Un serveur MCP intégré donne une voix aux agents de codage
  • L'audio reste sur votre machine

Points faibles

  • Les téléchargements de modèles sont volumineux ; l'ensemble des moteurs occupe environ 15 à 20 Go
  • Aucun binaire Linux précompilé ; le collage automatique de la dictée n'est disponible que sous macOS
  • Pas encore de TTS en streaming, selon un test de la v0.5.0
  • Les offres de sauvegarde et de synchronisation dans le cloud ne sont pas encore lancées

Questions fréquentes

Voicebox est-il gratuit ?

Oui. L'offre Local est gratuite, avec des générations locales illimitées et sans compte. Les offres payantes Cloud (12 $/an, tarif de lancement) et Studio (48 $/an) pour la sauvegarde et la synchronisation sont indiquées comme « bientôt disponibles ».

Voicebox est-il une alternative à ElevenLabs ?

Il se positionne comme tel : le clonage vocal et la synthèse vocale (TTS) s'exécutent sur votre propre machine avec des modèles ouverts, sans frais par caractère. Il ne propose ni l'API hébergée d'ElevenLabs ni sa place de marché de voix.

Voicebox fonctionne-t-il sous Windows et Linux ?

Windows dispose d'un installeur MSI avec accélération CUDA ou DirectML. Linux n'a pas encore de binaire précompilé ; vous devez compiler depuis les sources ou l'exécuter dans Docker.

De quelle durée d'audio Voicebox a-t-il besoin pour cloner une voix ?

Le site indique environ 3 secondes. Les échantillons peuvent être des fichiers importés (WAV, MP3, FLAC, WebM), un enregistrement au micro d'une durée maximale de 30 secondes, ou l'audio système capturé.

Quelles langues Voicebox prend-il en charge ?

La génération vocale couvre de 10 à 23 langues selon le moteur (23 avec Chatterbox). La dictée utilise Whisper, qui couvre 99 langues.

Les agents IA peuvent-ils utiliser Voicebox ?

Oui. Il exécute un serveur MCP à l'adresse http://127.0.0.1:17493/mcp avec un outil voicebox.speak ; le site cite Claude Code, Cursor et Cline. Un point de terminaison POST /speak sert les outils non MCP.

Comparer les alternatives

Voicebox

Offre gratuite · à partir de 12$/an · API

Sur le blog Stork

Cet article vous plaît ? Recevez-en un comme celui-ci chaque matin.

un e-mail par jour · désinscription en deux clics · aucun traqueur tiers