close

VoiceStudio

Mã nguồn mở bởi debpalash

VoiceStudio là ứng dụng mã nguồn mở (AGPL-3.0) làm việc với giọng nói bằng AI ngay trên máy của bạn: nhân bản giọng từ bản thu mẫu, tạo giọng mới bằng mô tả, chép lời, dịch và lồng tiếng video, đọc chính tả và làm sách nói. README ghi hỗ trợ 646 ngôn ngữ qua nhiều mô hình. Có bản desktop cho Windows, macOS, Linux, bản Android thử nghiệm và image Docker để chạy trên máy chủ.

VoiceStudio dùng để làm gì?

  • Nhân bản giọng nói từ một bản thu mẫu sạch rồi đọc văn bản bằng giọng đó
  • Tạo giọng mới bằng cách mô tả bằng chữ (giới tính, tuổi, cao độ, phong cách)
  • Chép lời, dịch và lồng tiếng video với thời gian khớp bản gốc
  • Đọc chính tả bằng widget nổi và chép lời âm thanh chạy cục bộ
  • Cung cấp API cục bộ và máy chủ MCP để Claude Code, Cursor, Codex CLI hay agent khác gọi tạo giọng

Giao diện và video

Video demo VoiceStudio Video demo VoiceStudio

Ảnh và video lấy từ README của dự án trên GitHub, bản quyền thuộc nhóm phát triển.

Cần biết trước khi dùng

  • Cần chú ýHướng dẫn cài có dạng "curl … | sh": chạy script từ Internet trực tiếp, nên đọc script trước khi chạy.
  • Lưu ýLicense AGPL-3.0: nếu sửa mã nguồn và cho người khác dùng qua mạng thì phải công bố phần đã sửa.
  • Lưu ýKhông tìm thấy docker-compose hay Dockerfile ở thư mục gốc: chưa thể gắn nút Deploy tự động.
  • Lưu ýDependency được khai báo theo khoảng phiên bản (ví dụ ">="), chưa tra lỗ hổng tự động được. Cần quét trên bản cài thật.
  • Lưu ýTino chưa kiểm thử việc cài ứng dụng này lên VPS.

Kiểm tra tự động ngày 21/11/2026 từ dữ liệu GitHub, OSV.dev và docker-compose. Đây không phải chứng nhận bảo mật; Tino không phát triển hay bảo trì repo này.

VoiceStudio là gì?

VoiceStudio gom nhiều mô hình giọng nói mã nguồn mở vào một giao diện. Mô hình mặc định là VoiceStudio (dựa trên k2-fsa/OmniVoice); trong Model Manager có thể chọn thêm hàng chục engine khác như CosyVoice 3, KittenTTS, IndexTTS 2.5, GPT-SoVITS, sherpa-onnx. Phần chép lời mặc định dùng WhisperX, có thêm Faster-Whisper, Parakeet, FunASR. Bạn chỉ tải mô hình mình cần.

Ứng dụng gồm giao diện (Electron) và một backend Python chạy ở http://localhost:3900. Backend mặc định chỉ nghe trên loopback và không cần khoá khi gọi từ chính máy đó. Cùng backend này phục vụ API tương thích kiểu OpenAI và máy chủ MCP tại /mcp/, với các công cụ generate_speech, clone_voice, design_voice, transcribe, list_voices. Mục Integrations trong app xuất sẵn cấu hình cho Claude Code (.mcp.json), Cursor và Codex CLI.

Khi chạy bằng Docker, image ghcr.io/debpalash/voicestudio có bản CPU, NVIDIA CUDA và AMD ROCm. Ví dụ trong README đặt biến OMNIVOICE_API_KEY và chỉ mở cổng 3900 trên 127.0.0.1 của máy chủ.

README ghi rõ: toàn bộ tính năng của bản mã nguồn mở miễn phí, chạy trên phần cứng của bạn và không cần tài khoản. Bản Pro (đóng nguồn, trả phí) và Cloud (chưa ra mắt) là tuỳ chọn. Lưu ý giấy phép từng mô hình khác nhau: trong Model Manager, mô hình mặc định được ghi Non-commercial và phải chấp nhận giấy phép trước khi dùng, một số engine khác ghi Commercial OK.

Nên dùng khi

  • Bạn cần tạo giọng đọc, lồng tiếng hay sách nói số lượng lớn mà không muốn trả phí theo ký tự cho dịch vụ đám mây
  • Bạn muốn giữ bản thu giọng và văn bản trên máy mình, không gửi lên dịch vụ bên ngoài
  • Bạn đang dùng Claude Code hay agent khác và muốn agent tự tạo giọng đọc qua MCP
  • Nhóm của bạn cần một máy chủ giọng nói dùng chung, chạy bằng Docker

Không nên dùng khi

  • Bạn định dùng giọng tạo ra cho việc thương mại mà chưa đọc giấy phép mô hình: mô hình mặc định ghi Non-commercial trong Model Manager; ứng dụng là AGPL-3.0, sửa và cung cấp qua mạng thì phải công bố mã nguồn
  • Bạn không có sự đồng ý của chủ giọng: chỉ nhân bản giọng khi chủ giọng cho phép
  • Máy ít ổ đĩa hoặc không có GPU mà cần tốc độ: Windows cần khoảng 10 GB trống cho app, môi trường Python và mô hình; chạy CPU chậm hơn nhiều
  • Bạn định mở backend ra Internet không có khoá: backend mặc định không xác thực trên loopback; chạy máy chủ phải đặt OMNIVOICE_API_KEY và nên dùng kênh mã hoá (TLS, Tailscale)
  • Bạn ngại lệnh cài dạng curl | sh hoặc irm | iex: nên tải bộ cài từ trang Releases và so với SHA256SUMS.txt

Tính năng chính

  • Nhân bản giọng (voice cloning) từ bản thu mẫu
  • Thiết kế giọng bằng mô tả, có sẵn các điểm xuất phát như Narrator, News Anchor, Storyteller
  • Lồng tiếng video: tải file hoặc dán link, chọn ngôn ngữ đích, dịch, sửa từng đoạn rồi tạo giọng
  • Đọc chính tả bằng widget nổi, chép lời cục bộ, tách giọng khỏi nhạc nền, phân biệt người nói
  • Hàng đợi tác vụ, sách nói, recipe dùng lại và thư mục theo dõi (watch folder)
  • API cục bộ, máy chủ MCP tại /mcp/ với generate_speech, clone_voice, design_voice, transcribe
  • Model Manager: chọn engine, chỉ tải mô hình cần dùng, tự nhận GPU (CUDA, Apple MPS, ROCm thử nghiệm, Vulkan cho engine GGUF)
  • Gắn watermark AI cho âm thanh tạo ra

Cách cài đặt VoiceStudio

  1. Chạy container bằng CPU Lệnh trong README: tạo khoá API ngẫu nhiên, chạy image bản stable, chỉ mở cổng 3900 trên 127.0.0.1 của máy chủ, lưu dữ liệu vào volume omnivoice-data và in khoá ra màn hình. Hướng dẫn cho NVIDIA, AMD ROCm và Docker Compose nằm ở docs/install/docker.md.
    export OMNIVOICE_API_KEY="$(openssl rand -hex 32)"
    docker run -d --name omnivoice \
      -p 127.0.0.1:3900:3900 \
      -e OMNIVOICE_API_KEY \
      -e OMNIVOICE_DATA_DIR=/app/omnivoice_data \
      -v omnivoice-data:/app/omnivoice_data \
      ghcr.io/debpalash/voicestudio:stable
    printf 'API key: %s\n' "$OMNIVOICE_API_KEY"
  2. Hoặc cài bản desktop trên máy cá nhân Lệnh PowerShell cho Windows 10/11 x64 trong README. macOS và Linux dùng curl -fsSL https://voicestudio.sh/install | sh. Có thể thay bằng bộ cài trên trang Releases (github.com/debpalash/VoiceStudio/releases).
    irm https://voicestudio.sh/install.ps1 | iex

Lệnh chép từ README của dự án. Đọc kỹ trước khi chạy và đối chiếu với README mới nhất, vì lệnh có thể đổi theo phiên bản.

Biến môi trường quan trọng

BiếnÝ nghĩa
OMNIVOICE_API_KEY
OMNIVOICE_DATA_DIR
OMNIVOICE_PORT
OMNIVOICE_MCP_OUTPUT_MODE
OMNIVOICE_MCP_BASE_PATH

Cách dùng sau khi cài

  1. Tải mô hìnhLần đầu vào Model Manager (hoặc trình cài lần đầu) để tải mô hình. Mô hình OmniVoice khoảng 2,3 GB; nếu chưa tải, lần generate_speech đầu tiên qua MCP sẽ tự tải và có thể quá thời gian chờ.
  2. Nhân bản một giọngMở Voice cloning, đưa bản thu mẫu sạch, gõ văn bản rồi bấm Synthesize audio.
  3. Lồng tiếng videoMở Dub, tải video hoặc dán link, chọn ngôn ngữ đích, dịch, kiểm tra từng đoạn rồi tạo giọng và xuất file.
  4. Nối với Claude CodeTrong app vào Integrations để xuất .mcp.json cho Claude Code, hoặc trỏ client tới http://localhost:3900/mcp/ (giữ dấu / ở cuối).
  5. Kiểm tra máy chủGọi công cụ MCP check_health để xem trạng thái backend và GPU đang dùng.

Cập nhật và sao lưu

Bản desktop tự cập nhật qua trình cài; trình gỡ cài đặt hỏi có xoá runtime và mô hình đã tải không (mặc định Không), giọng và dự án luôn được giữ. Với Docker, kéo image ghcr.io/debpalash/voicestudio:stable mới rồi tạo lại container với cùng volume omnivoice-data. Sao lưu chính là sao lưu volume dữ liệu (OMNIVOICE_DATA_DIR); docs/install/docker-data-recovery.md có hướng dẫn phục hồi dữ liệu Docker.

Câu hỏi thường gặp

VoiceStudio có miễn phí không?

Bản mã nguồn mở (AGPL-3.0) miễn phí, chạy trên phần cứng của bạn và không cần tài khoản. Bản Pro trả phí dành cho người làm dịch vụ cần giấy phép thương mại riêng và chạy trên nhiều máy; Cloud chưa ra mắt.

Giọng tạo ra có dùng cho mục đích thương mại được không?

Tuỳ mô hình. Trong Model Manager, mô hình mặc định ghi Non-commercial, một số engine khác ghi Commercial OK. Kiểm tra nhãn giấy phép của engine trước khi dùng cho khách hàng.

Có tiếng Việt không?

README ghi hỗ trợ 646 ngôn ngữ qua mô hình mặc định và danh sách ngôn ngữ có thể xem bằng công cụ list_languages. README không nêu chất lượng cho từng ngôn ngữ, nên thử với giọng mẫu của bạn trước.

Chạy trên VPS không có GPU được không?

Có image Docker bản CPU. Tốc độ tạo giọng trên CPU chậm hơn nhiều so với GPU; phù hợp khi khối lượng nhỏ hoặc chấp nhận chờ.

Ứng dụng liên quan

Miễn trừ trách nhiệm

Tino không phát triển, không sở hữu và không liên kết với VoiceStudio hay nhóm phát triển debpalash. Tên, logo và nhãn hiệu thuộc về chủ sở hữu tương ứng; việc nhắc tới chỉ để mô tả, không có nghĩa là dự án xác nhận hay hợp tác với Tino.

VoiceStudio được phân phối theo giấy phép AGPL-3.0 của nhóm phát triển. Tino không bảo đảm về tính năng, bảo mật hay mức độ phù hợp của phần mềm; bạn tự chịu trách nhiệm khi cài đặt, cấu hình và sử dụng.

Lệnh cài và thông tin trên trang lấy từ tài liệu công khai của dự án tại thời điểm cập nhật và có thể đã thay đổi. Đọc tài liệu chính thức và sao lưu dữ liệu trước khi chạy trên máy chủ thật.