음성 클론부터 AI 에이전트 연동까지, 로컬 기반 AI 음성 스튜디오
Key Point
클라우드 의존을 벗어나 개인 기기에서 음성 클론, 생성, 인식, AI 연동을 모두 제어할 수 있는 완전한 로컬 솔루션이 등장했기 때문이다.
핵심 요약
- 오픈소스 AI 음성 스튜디오 Voicebox는 ElevenLabs와 Whisper Flow의 기능을 하나로 통합한 로컬 우선 솔루션으로, 모든 데이터가 기기에서만 처리된다.
- 음성 클론, 음성 생성(23개 언어 지원), 딕테이션, AI 에이전트 음성 출력까지 완전한 음성 입출력 스택을 7개 TTS 엔진으로 제공한다.
- Qwen3-TTS, Qwen CustomVoice, LuxTTS, Chatterbox 시리즈, HumeAI TADA, Kokoro 등 각 엔진이 서로 다른 강점을 가지며, Chatterbox Turbo만 [laugh], [sigh] 같은 감정 태그를 해석한다.
- 피치 시프트, 리버브, 컴프레션 등 8가지 오디오 이펙트와 자동 청킹, 멀티트랙 에디터, 음성 기반 페르소나 시스템을 갖춘다.
- macOS(Apple Silicon/Intel), Windows, Linux, Docker 등 다양한 플랫폼을 지원하며, Tauri 기반으로 Electron이 아닌 네이티브 성능을 제공한다.
- REST API와 MCP 서버를 내장해 커스텀 앱과 에이전트(Claude Code, Cursor, Cline)에 음성 입출력을 통합할 수 있다.
저장소 보기 ↗github.com