VoiceStudio | 音声クローンや動画吹き替えをローカル環境で実行！646言語対応のオープンソースAI音声スタジオ！Windows・macOS・Linux

Debpalash氏らが開発する音声クローン、音声生成、動画吹き替え、文字起こし、オーディオブック制作などをローカル環境で利用できるオープンソースのAI音声スタジオ「VoiceStudio（旧OmniVoice Studio）」のご紹介！

VoiceStudio

VoiceStudioは、AIを使った音声生成に関する複数のワークフローを1つのデスクトップアプリから扱えるオープンソースツールです。
以前はOmniVoice Studioという名称で開発されていましたが、2026年8月にリリースされたv0.5.0から製品名がVoiceStudioへ変更されました。
名称変更後も同一プロジェクトとして開発が継続されており、既存のデータフォルダや設定、Dockerイメージなどもそのまま維持されています。

• 音声クローン：短いリファレンス音声から声を再現
• Voice Design：年齢、アクセント、ピッチ、感情などを指定して音声を生成
• 音声生成 / Text-to-Speech
• Speech-to-Speechによる音声変換
• 動画吹き替え：文字起こし、翻訳、話者への声の割り当て、タイミング調整
• 文字起こし / Speech-to-Text
• リアルタイム音声入力・ディクテーション
• 複数話者によるストーリー制作
• 長文やEPUBからオーディオブックを生成
• 作成した音声やプロジェクトを管理
• OpenAI互換のローカルAPI
• TTS・ASRエンジンやモデルをアプリ内から管理
• CUDA・ROCm・Apple Silicon・CPUなど複数の実行環境に対応

複数の音声AIモデルを切り替えて利用可能

VoiceStudioは特定の音声生成モデル専用ではなく、複数のTTS・ASRエンジンを切り替えて利用できる構成になっています。
デフォルトではk2-fsa/OmniVoiceをベースとしたVoiceStudioエンジンを使用し、公式のModel Catalogueには記事執筆時点で多数のローカル音声モデルが登録されています。

利用できるモデルやハードウェア要件、ライセンスはエンジンごとに異なるため注意してください。

646言語に対応した音声クローン

標準のOmniVoiceエンジンでは600以上の言語に対応したZero-shot Voice Cloningが利用でき、VoiceStudio公式サイトでは646言語への対応が案内されています。
音声サンプルを登録することで、その声を利用した音声生成や動画吹き替えなどを行うことができます。

基本処理はローカル環境で完結

音声生成や文字起こしなどのワークフローをユーザーのPC上で実行できる点です。
クラウドサービスへ音声をアップロードして処理する構成ではなく、ローカルに導入したモデルを利用して処理できます。
また開発者向けにOpenAI互換のローカルAPIも搭載されており、VoiceStudioを起動した状態で外部アプリやツールから音声生成機能を利用することも可能です。

オープンソース公開

VoiceStudio本体はAGPL-3.0ライセンスでGitHub上にソースコードが公開されています。

デスクトップアプリを仕事や商用目的で使用すること自体には用途制限はありませんが、VoiceStudioを組み込んだ製品を配布したり、改変版をネットワークサービスとして提供したりする場合にはAGPLの条件が関係します。
また、VoiceStudioから利用できる各AIモデルにはそれぞれ個別のライセンスが設定されているため、特に商用利用時には使用するモデル側のライセンスも確認する必要があります。
Windows、macOS、Linux向けに提供されており、GitHubからソースコードも入手可能です。

Pro版について

VoiceStudioにはPro向けの問い合わせ窓口も用意されていますが、Open Source版とPro版でアプリの機能が異なるわけではありません。
通常のデスクトップ利用や仕事・商用目的での利用は、AGPL-3.0のOpen Source版でも可能です。
一方で、VoiceStudioをクローズドソース製品へ組み込んで配布したい場合や、改変版をホスト型サービスとして提供したい場合など、AGPL-3.0の条件と両立しにくい用途については、Proページから商用ライセンス条件を相談できます。
なお、記事執筆時点ではPro版をオンラインで購入できる仕組みはなく、個別問い合わせによる相談形式となっています。

リンク