Voicebox

Voicebox ist eine datenschutzorientierte Sprachsynthese-Plattform, die lokal auf deinem Rechner läuft, ohne Cloud-Dienste oder Abonnements zu benötigen. Basierend auf der Qwen3-TTS-Technologie bietet sie professionelle Stimmklonierung und Text-zu-Sprache-Funktionen und behält dabei alle deine Daten unter deiner Kontrolle. Die Anwendung unterstützt mehrere Stimmproben, um die Klonqualität und Natürlichkeit zu verbessern und sicherzustellen, dass deine Audioprojekte authentisch bleiben. Voicebox ist für plattformübergreifende Kompatibilität konzipiert und funktioniert nahtlos auf macOS-, Windows- und Linux-Systemen. Sie nutzt Hardwarebeschleunigung durch Metal auf dem Mac sowie CUDA unter Windows und Linux und ermöglicht so schnelle lokale Inferenz ohne Leistungseinbußen. Egal, ob du die Inferenz auf deiner lokalen GPU ausführst oder dich mit einem entfernten Rechner verbindest – die Anwendung passt sich deinen Workflow-Anforderungen an. Über die einfache Sprachsynthese hinaus bietet Voicebox eine umfassende kreative Suite. Mit dem integrierten Story-Editor kannst du mehrstimmige Erzählungen über eine zeitleistenbasierte Oberfläche erstellen, Tracks anordnen, Clips kürzen und Gespräche mischen. In Kombination mit dem integrierten Whisper-basierten Audiotranskriptionssystem kannst du Referenztexte automatisch aus Stimmproben extrahieren, was den gesamten Prozess der Stimmklonierung und Content-Erstellung vereinfacht.