1
ElevenLabs
ElevenLabs is a market leader for highly natural-sounding, emotive voice cloning and text-to-speech, particularly for professional audio production.
Ferramenta de IA
Revisão do Voicebox
Voicebox é um estúdio de voz AI de código aberto, local-first, que oferece capacidades de clonagem de voz, geração de fala e ditado como uma alternativa gratuita às soluções baseadas em nuvem.
shipped 17 de jun. de 2026aifreemium
1Opera inteiramente localmente nas máquinas dos utilizadores, garantindo a privacidade dos dados e eliminando taxas de subscrição.
2Suporta 7 motores Text-to-Speech (TTS) intermutáveis e gera fala em 23 idiomas.
3Oferece clonagem de voz a partir de clipes de áudio tão curtos quanto alguns segundos, juntamente com ditado em todo o sistema.
4Apresenta um editor de linha do tempo multi-faixa para produção de áudio e integra-se com agentes AI via uma REST API.
Voicebox at a Glance
Ferramentas similares
Comparar alternativas
Outras ferramentas a considerar
Ver no Stork→
2
Chatterbox (by Resemble AI)
Chatterbox is a high-performance, open-source text-to-speech (TTS) model family built for real-time generative audio, offering speed, expressiveness, and zero-shot voice cloning with emotion control.
3
Coqui TTS (XTTS-v2)
Coqui TTS, specifically the XTTS-v2 model, is a widely adopted open-source voice generation model known for high-quality, multilingual voice cloning from minimal audio samples.
4
MyShell (OpenVoice)
MyShell offers OpenVoice, an open-source instant voice cloning AI library that provides unparalleled precision and granular control over tone, emotion, accent, rhythm, and intonation.
overview
O que é o Voicebox?
Voicebox é uma ferramenta de estúdio de voz AI desenvolvida pelos seus criadores que permite a desenvolvedores, criadores de conteúdo e utilizadores de acessibilidade clonar vozes, gerar fala e ditar em todo o sistema. Opera inteiramente na máquina do utilizador, garantindo a privacidade dos dados e eliminando taxas de subscrição. Voicebox.sh funciona como um estúdio de voz AI abrangente, distinto do modelo de AI generativa Voicebox da Meta, enfatizando a operação local, privacidade e controlo do utilizador. As suas capacidades principais incluem geração e clonagem de voz a partir de áudio mínimo, geração de fala em 23 idiomas usando sete motores Text-to-Speech (TTS) diferentes (por exemplo, Qwen3-TTS, LuxTTS, HumeAI TADA), e ditado em todo o sistema para qualquer campo de texto via uma tecla de atalho global. A plataforma também incorpora um Large Language Model (LLM) local incluído para refinamento de transcrições e suporta transferência de estilo interlinguístico, permitindo aos utilizadores falar qualquer idioma suportado na sua voz clonada.
quick facts
Fatos Rápidos
| Atributo | Valor |
|---|---|
| Desenvolvedor | Seus desenvolvedores |
| Modelo de Negócio | Freemium (núcleo Open-source) |
| Preço | Gratuito para funcionalidade principal; sem taxas de subscrição ou custos por caractere |
| Plataformas | Mac (Apple Silicon), Windows, Linux, API |
| API Disponível | Sim (REST API em http://127.0.0.1:17493) |
| Integrações | Agentes AI, qualquer aplicação via ditado em todo o sistema |
| Fundado | Lançado por volta de 29 de janeiro de 2026 |
| Financiamento | Snowflake startup accelerator (janeiro de 2026) |
features
Principais Recursos do Voicebox
O Voicebox oferece um conjunto robusto de recursos projetados para operações abrangentes de voz AI local, atendendo tanto a desenvolvedores quanto a criadores de conteúdo:
- 1Clonagem de voz a partir de clipes de áudio, entrada de microfone ou áudio do sistema.
- 2Geração de texto para fala com 7 motores intermutáveis (por exemplo, Qwen3-TTS, LuxTTS, HumeAI TADA) suportando 23 idiomas.
- 3Ditado em todo o sistema para qualquer aplicação usando uma tecla de atalho global, com LLM local para refinamento de transcrição.
- 4Capacidades de integração para agentes AI, permitindo-lhes falar em vozes clonadas personalizadas via uma REST API incorporada.
- 5Editor de linha do tempo multi-faixa, conhecido como Stories Editor, para produzir conversas, podcasts e narrativas.
- 6Transcrições de áudio alimentadas por OpenAI Whisper (modelos Base, Small, Medium, Large, Turbo) suportando 99 idiomas.
- 7Pipeline de efeitos de áudio incluindo mudança de tom (pitch shift), reverberação (reverb), atraso (delay) e compressão para produção de áudio aprimorada.
- 8Transferência de estilo interlinguístico, permitindo que vozes clonadas falem em diferentes idiomas suportados.
- 9Recurso de personalidades de voz para reescrever ou compor texto no estilo de um personagem específico.
use cases
Quem Deve Usar o Voicebox?
O Voicebox é projetado para uma gama diversificada de utilizadores que necessitam de capacidades de voz AI locais, privadas e flexíveis:
- 1**Desenvolvedores e Engenheiros de AI:** Para integrar entrada/saída de voz em agentes AI e aplicações personalizadas via sua REST API, e para experimentar com AI de voz local sem dependências de nuvem.
- 2**Criadores de Conteúdo (Podcasters, Estúdios de Jogos, Produtores de Vídeo):** Para gerar e editar faixas de áudio, criar cenas com múltiplas vozes, produzir diálogos e garantir vozes de personagens consistentes para roteiros, dublagens e conteúdo de formato longo.
- 3**Desenvolvedores e Utilizadores de Acessibilidade:** Para fornecer assistência de fala e ferramentas de acessibilidade, permitindo que indivíduos sintetizem fala a partir de gravações antigas ou ditem para qualquer aplicação.
- 4**Produtores de Áudio:** Utilizando o editor de linha do tempo multi-faixa para produção de áudio complexa, incluindo conversas, podcasts e criação de narrativas.
pricing
Preços e Planos do Voicebox
O Voicebox opera num modelo freemium, oferecendo principalmente as suas funcionalidades principais como uma solução gratuita, open-source e local-first. Esta abordagem elimina os custos comuns associados aos serviços de voz AI baseados em nuvem. Os utilizadores beneficiam de controlo total sobre os seus dados de voz e privacidade, uma vez que todas as operações são executadas diretamente na sua máquina. Não há taxas de subscrição, chaves de API, limites de taxa ou custos por caractere para usar a aplicação Voicebox principal. Este modelo permite uma duração de geração ilimitada e uso extensivo sem incorrer em custos contínuos.
- 1**Nível Gratuito:** Todas as funcionalidades principais, duração de geração ilimitada, operação local-first, sem taxas de subscrição, sem chaves de API, sem limites de taxa, sem custos por caractere.
competitors
Voicebox vs Concorrentes
O Voicebox posiciona-se como uma alternativa robusta, local-first e open-source às soluções de voz AI baseadas em nuvem e open-source estabelecidas, enfatizando a privacidade e a relação custo-benefício.
1
ElevenLabs is a market leader for highly natural-sounding, emotive voice cloning and text-to-speech, particularly for professional audio production.
Unlike Voicebox's local-first and open-source approach, ElevenLabs is a cloud-based proprietary service, offering superior raw output quality for commercial use but with associated costs and data privacy considerations. It operates on a freemium model, but its free plan is limited, and heavy users may find it expensive.
2
Chatterbox is a high-performance, open-source text-to-speech (TTS) model family built for real-time generative audio, offering speed, expressiveness, and zero-shot voice cloning with emotion control.
Similar to Voicebox, Chatterbox is open-source and developer-focused, allowing local deployment and emphasizing real-time performance and expressiveness. It offers a permissive MIT license for commercial use and is designed for production-grade applications.
3
Coqui TTS, specifically the XTTS-v2 model, is a widely adopted open-source voice generation model known for high-quality, multilingual voice cloning from minimal audio samples.
Like Voicebox, Coqui TTS is open-source and supports local deployment, with a strong focus on voice cloning and multilingual capabilities. However, it is computationally intensive, often requiring a good GPU, and its XTTS-v2 model is available under a non-commercial public model license, unlike Voicebox's MIT license.
4
MyShell (OpenVoice)↗
MyShell offers OpenVoice, an open-source instant voice cloning AI library that provides unparalleled precision and granular control over tone, emotion, accent, rhythm, and intonation.
MyShell's OpenVoice is an open-source voice cloning solution, similar to Voicebox's offerings, designed for high flexibility and resource efficiency in voice cloning. While MyShell also provides a web app, OpenVoice is primarily an open-source library for developers, emphasizing customization and fine-grained control over generated speech.
❓
Perguntas frequentes
+O que é o Voicebox?
Voicebox é uma ferramenta de estúdio de voz AI desenvolvida pelos seus criadores que permite a desenvolvedores, criadores de conteúdo e utilizadores de acessibilidade clonar vozes, gerar fala e ditar em todo o sistema. Opera inteiramente na máquina do utilizador, garantindo a privacidade dos dados e eliminando taxas de subscrição.
+O Voicebox é gratuito?
Sim, o Voicebox opera num modelo freemium, com as suas funcionalidades principais oferecidas como uma solução gratuita, open-source e local-first. Não há taxas de subscrição, chaves de API, limites de taxa ou custos por caractere para usar a aplicação principal, permitindo uma duração de geração ilimitada.
+Quais são as principais funcionalidades do Voicebox?
As principais funcionalidades do Voicebox incluem clonagem de voz a partir de várias fontes de áudio, geração de texto para fala com 7 motores e 23 idiomas, ditado em todo o sistema com um LLM local, integração de agentes AI via uma REST API, um editor de linha do tempo multi-faixa, transcrição de áudio alimentada por Whisper em 99 idiomas e um pipeline de efeitos de áudio.
+Quem deve usar o Voicebox?
O Voicebox é ideal para desenvolvedores e engenheiros de AI que integram I/O de voz em aplicações, criadores de conteúdo (podcasters, estúdios de jogos) que necessitam de clonagem de voz e geração de fala, desenvolvedores e utilizadores de acessibilidade que requerem assistência de fala, e produtores de áudio que utilizam o seu editor multi-faixa para projetos complexos.
+Como o Voicebox se compara a alternativas?
O Voicebox diferencia-se por ser uma solução local-first e open-source sem taxas de subscrição, ao contrário de serviços baseados em nuvem como o ElevenLabs. Comparado a ferramentas open-source como Coqui TTS e RVC, o Voicebox oferece uma experiência de 'estúdio' mais abrangente com ditado em todo o sistema e integração de agentes AI. Ao contrário do OpenAI Whisper, que é apenas um modelo de fala para texto, o Voicebox oferece um conjunto completo que inclui clonagem de voz, texto para fala e capacidades de agente AI.
Mais no Stork
Ferramentas IA relacionadas
Mais ferramentas nesta categoria, classificadas por sinal da comunidade
atlascloud-cli
🤖 AI Tools
AtlasCloud CLI para chamar APIs de LLM, imagem, vídeo e áudio a partir de terminais, scripts e CI jobs.
SocratiCode
🤖 AI Tools
Inteligência de codebase Enterprise-grade (mais de 40 milhões de linhas de código), zero-setup, Plugin/Skill/Extension ou MCP local e privada: hybrid semantic search, polyglot dependency graphs, symbol-level impact analysis e call-flow, interactive HTML viewer, cross-project e branch-aware search, conhecimento de DB/API/infra. 61% menos t
DeepSeek-Reasonix
🤖 AI Tools
DeepSeek-native agente de codificação de IA para o seu terminal. Projetado em torno da estabilidade do prefix-cache — deixe-o a correr.
Soniox
🤖 AI Tools
Soniox é uma plataforma de IA de fala multilíngue que oferece APIs de speech-to-text em tempo real, text-to-speech e tradução com alta precisão e baixa latência.
Synthflow
🤖 AI Tools
Synthflow é uma plataforma de IA de voz pronta para empresas que automatiza chamadas telefônicas com agentes semelhantes a humanos usando ferramentas no-code ou APIs.
W
Wrestle AI
🤖 AI Tools
Wrestle AI é um aplicativo de treinamento de luta livre impulsionado por IA que analisa lutas e fornece feedback instantâneo para ajudar atletas a melhorar sua técnica.
For builders
This page is doing a job for someone else’s tool.
AI agents read it. Buyers find it. Backlinks accrue. Your tool can have one too — live in 24 hours, indexed by Claude, ChatGPT, and Perplexity, queryable via MCP.