Voicebox

Voicebox é um aplicativo de código aberto que transforma seu Mac em um pequeno estúdio local de síntese e clonagem de voz. Ele utiliza o modelo Qwen3-TTS para gerar áudio realista diretamente no seu dispositivo, sem depender de serviços em nuvem, tokens ou assinaturas pagas.

Um aplicativo de clonagem de voz projetado para macOS

Com Voicebox, você pode criar perfis de voz a partir de alguns segundos de áudio de referência (até 30 segundos). O modelo Qwen3-TTS analisa tom, timbre e sotaque para reproduzi-los com considerável fidelidade. Basta fazer o upload de um arquivo de voz ou gravar um usando o microfone do seu Mac, especificar o que foi dito ou usar a transcrição automática, e você terá um perfil pronto para gerar novos áudios sem precisar repetir o processo.

Gerar áudio com perfis de voz personalizados

Assim que você tiver um perfil salvo, basta digitar o texto que deseja e Voiceboxproduzirá áudio com essa voz. Isso permite, por exemplo, que você traduza frases para outros idiomas mantendo seu tom, para que possa criar dublagens caseiras ou gerar vozes para projetos de videogames. Você também pode exportar perfis de voz e compartilhá-los com outros usuários para que eles possam gerar áudio em seus próprios dispositivos.

Transcrição automática e captura de som do sistema

O aplicativo integra o Whisper, que converte áudio em texto e o sincroniza com a voz gerada. Isso facilita a edição do diálogo diretamente na linha do tempo, ajustando pausas ou corrigindo a pronúncia sem perder a consistência do perfil de voz. Além disso, inclui captura de áudio do sistema, o que permite gravar o som no seu Mac (de um jogo ou de uma chamada, por exemplo) e usá-lo como referência para novos clones ou cenas de áudio.

Servidor de voz local e API para outros projetos

Voicebox é mais do que apenas sua interface gráfica; ele também pode funcionar como um servidor de voz local graças à sua API REST integrada. Você pode ativá-lo com um único clique, enviar texto de jogos, aplicativos ou agentes de IA e obter o áudio gerado em formato padrão. Isso facilita a automação de narração, diálogo ou notificações sem depender de serviços externos. O aplicativo é desenvolvido com Tauri, Rust e Python, o que o torna mais leve do que muitas alternativas baseadas em Electron. Mesmo assim, o desempenho dependerá de quão poderoso é o seu Mac e de como o modelo Qwen3-TTS está configurado, já que todo o processamento é realizado localmente.

Crie histórias narradas com qualquer voz

Voicebox também apresenta uma seção para gerar histórias narradas. Você só precisa indicar o que deseja que aconteça, e o aplicativo produzirá o conteúdo usando a voz que você selecionou. Este é um recurso útil para criar conteúdo divertido, histórias infantis ou esquetes de voz.

Minha experiência usando Voicebox no Mac

Quando testei Voicebox no macOS, o processo de clonagem foi rápido e fácil: alguns segundos de áudio foram suficientes para criar um perfil e gerar vários clipes de voz na linha do tempo. A experiência é suave, embora ainda faltem algumas opções avançadas, como adicionar mais amostras para melhorar a qualidade ou ajustar a voz clonada.

O que mais gostei sobre Voicebox e o que poderia ser melhorado

O que mais gostei: todo o processo de clonagem e síntese é realizado localmente no seu Mac, sem depender da nuvem ou pagar por assinaturas.

· O que eu melhoraria: maior personalização de voz e suporte para múltiplas amostras de áudio, pois isso ajudaria a alcançar resultados mais realistas. Além disso, o tempo de geração pode variar dependendo da potência do seu dispositivo e do modelo escolhido.

Voicebox é para você se...

✓ Você quer clonar vozes e gerar áudio falado no macOS sem depender de serviços em nuvem.

✓ Você trabalha com podcasts, dublagem, jogos ou agentes de IA e precisa de um editor de linha do tempo para cenas de voz.

✓ Você prefere uma solução local, privada e de código aberto que possa integrar a outros projetos.

Baixe Voicebox e transforme seu Mac em um estúdio de clonagem e síntese de voz totalmente local que suporta Qwen3-TTS e Whisper.