オープンソースのVoiceStudioが公開、ElevenLabs代替として646言語のローカル音声合成・クローンに対応

debpalashは、ElevenLabsのオープンソース代替として、完全にローカル環境で動作する音声制作プラットフォーム「VoiceStudio」を公開しました。このプロジェクトは、音声クローニング、ボイスデザイン、ビデオ吹き替え、文字起こし、オーディオブック作成など多岐にわたる機能を備え、計646もの言語に対応している点が大きな特徴です。

技術的には、標準エンジンとしてk2-fsa/OmniVoiceを採用しており、ユーザーは必要に応じて他のエンジンを選択することも可能です。従来のクラウド型音声合成サービスとは異なり、すべてのワークフローをユーザー自身のハードウェア上で実行できるため、データの外部送信を抑えた運用が可能です。また、リモートサービスの利用はオプションであり、使用状況の分析についてもユーザーの同意を前提としています。

導入にあたっては、ローカルでの実行に伴う計算リソースの確保が前提となります。現在はGitHub上でソースコードが公開されているほか、ドキュメントやDiscordコミュニティを通じた情報提供が行われています。マルチ言語対応の幅広さから、多言語展開が必要なコンテンツ制作や、機密性の高い音声データのローカル処理といった用途での活用が期待されます。