Qu'est-ce que la boîte vocale ?
Voicebox est une application de bureau (construite avec Tauri, React et FastAPI) qui transforme votre ordinateur en un studio vocal d'IA complet. Il fonctionne sur macOS, Windows et Linux et intègre le clonage vocal, la génération de synthèse vocale, la dictée à l'échelle du système et même un serveur MCP pour les agents IA, le tout en local.
Considérez-le comme l'Ollama de l'IA vocale. Tout comme Ollama a introduit de grands modèles linguistiques sur votre bureau, Voicebox apporte des fonctionnalités vocales professionnelles à votre machine, gratuites et privées.
Clonage vocal en seulement 3 secondes
Le clonage vocal est la fonctionnalité phare, et c'est remarquablement simple. Vous pouvez l'alimenter en audio de trois manières :
- Télécharger un clip : faites glisser et déposez des fichiers WAV, MP3, FLAC ou WebM
- Enregistrement depuis le microphone — aperçu de la forme d'onde en direct, jusqu'à 30 secondes
- Capture audio du système : clonez une voix à partir d'une vidéo YouTube, d'un podcast ou de toute application lisant de l'audio.
À partir de seulement trois secondes d'audio, Voicebox crée un profil vocal que vous pouvez utiliser sur tous ses moteurs. Le clonage sans injection signifie qu'il n'y a pas de long processus de formation : il suffit de fournir un échantillon et de le générer.
Sept moteurs TTS, une interface
Voicebox ne vous enferme pas dans un seul modèle. Il est livré avec sept moteurs TTS, chacun avec des atouts différents :
Cette étendue signifie que vous choisissez le bon outil pour le travail. Besoin d'itérations rapides de haute qualité ? LuxTTS. Besoin d’un discours expressif avec contrôle émotionnel ? Chatterbox ou TADA. Vous travaillez sur une machine à faibles ressources ? Kokoro fonctionne avec pratiquement n'importe quoi.
Pour la transcription, Voicebox regroupe Whisper et Whisper Turbo (99 langues, cette dernière 8 fois plus rapide), ainsi que le modèle linguistique Qwen3 qui permet le nettoyage des transcriptions et les réponses personnelles.
Dictée à l'échelle du système : votre assistant de saisie IA
L’une des fonctionnalités les plus pratiques est la dictée à l’échelle du système. Avec un raccourci clavier global (Cmd+Opt sur macOS, Ctrl+Alt sous Windows), vous pouvez parler dans n'importe quelle application et faire apparaître la transcription sur votre curseur. Plus besoin de lutter avec les extensions de navigateur de synthèse vocale : cela fonctionne partout, des éditeurs de code aux applications de chat.
Il s’agit de la même expérience facturée par WisprFlow, intégrée à une application open source gratuite.
Serveur MCP : donnez une voix à chaque agent IA
Si vous utilisez des agents compatibles MCP comme Claude Code, Cursor ou Cline, Voicebox expose un serveur MCP avec un seul appel à l'outil « voicebox.speak ». N'importe quel agent peut vous parler via une voix que vous avez clonée, avec des profils vocaux par agent.
Vous pouvez faire parler Claude Code d'une voix, Cursor d'une autre, et savoir quel agent parle sans regarder l'écran. Chaque discours initié par un agent fait apparaître une pilule visible, il n'y a donc pas de TTS silencieux en arrière-plan.
API REST et WebSocket pour les développeurs
Voicebox expose une API REST locale et des points de terminaison WebSocket pour chaque moteur que vous téléchargez. Cela signifie :
- Jeux — générez des dialogues avec des PNJ à la volée avec les voix de vos personnages
- Applications : créez des applications vocales sans payer de frais par personnage
- Scripts – produisez par lots des chapitres de livres audio, automatisez les intros de podcast, connectez-les à votre Stream Deck
Pas de clés API, pas de limites de débit, pas de frais par personnage. Juste une URL d'hôte local.
Personas : des voix de caractère
Le système Persona est une fonctionnalité particulièrement créative. Vous pouvez donner à n'importe quel profil vocal une description libre de sa personnalité (« Détective noir des années 1940. Fatigué du monde, cynique... »), puis :
- Réécrire — reformulez votre texte avec la voix de ce personnage tout en préservant les idées
- Compose — laissez le personnage improviser des lignes originales à partir de zéro
C'est de l'or pour les dialogues de jeu, le doublage, la narration longue durée et tout projet créatif où la voix cohérente des personnages est importante.
Confidentialité et souveraineté des données
Tout fonctionne localement. Voicebox télécharge les modèles sur votre ordinateur et conserve tous les traitements sur l'appareil. Aucun clip audio n'est envoyé à un serveur cloud, aucun profil vocal ne quitte votre ordinateur et aucun appel de télémétrie n'envoie de données d'utilisation à la maison.
À une époque où chaque outil d'IA semble vouloir une partie de vos données, l'engagement de Voicebox en faveur d'un fonctionnement local d'abord est véritablement rafraîchissant.
Comment cela se compare-t-il à ElevenLabs
ElevenLabs gagne toujours en termes de qualité vocale et de nombre de langues prises en charge. Mais Voicebox est en concurrence féroce en termes de flexibilité, de confidentialité et de coût – et pour de nombreux cas d'utilisation, en particulier les flux de travail des développeurs, c'est déjà le meilleur choix.
Pour commencer
Voicebox est disponible dès maintenant sur voicebox.sh ou sur GitHub. Téléchargez l'application pour votre plate-forme, choisissez les moteurs de votre choix et vous générez de la parole en quelques minutes.
Le projet dispose également d'un jeton Solana ($VOICEBOX) pour ceux qui souhaitent le soutenir, mais l'application elle-même reste gratuite et open source pour toujours – aucun jeton n'est requis.
Le résultat
Voicebox représente un changement dans notre façon de penser les outils vocaux d’IA. En apportant tout ce qui est local, en adoptant les principes open source et en prenant en charge un vaste écosystème de moteurs TTS, il donne aux utilisateurs les moyens d'agir d'une manière que les services de jardin clos ne pourront jamais.
Si vous avez hésité à utiliser l'IA vocale en raison de son coût, de problèmes de confidentialité ou de dépendance vis-à-vis d'un fournisseur, Voicebox est la réponse. C'est l'Ollama de la voix – et ça ne fait que s'améliorer.
Continuez la lecture : Pour une analyse technique plus approfondie de la configuration de Voicebox pour une utilisation en production, consultez la documentation officielle sur voicebox.sh/docs.