Voicebox — โคลนเสียง พิมพ์ด้วยเสียง แล้วให้ Claude พูดตอบ ทั้งหมดในเครื่องเราเอง

AI voice studio แบบ local-first: voice cloning, TTS หลายภาษา, ถอดเสียง Whisper, timeline หลายเสียง, ต่อ Claude Code ผ่าน MCP — 23.6k stars MIT

เอาไปทำอะไรได้

งานเสียงกับ AI ตอนนี้แทบทุกเจ้าบังคับขึ้น cloud — อัดเสียงส่งไปเซิร์ฟเวอร์เขา ได้ไฟล์กลับมา พร้อมคำถามค้างใจว่าเสียงเราถูกเก็บไว้ที่ไหน Voicebox (ของ jamiepine, MIT, 23.6k stars / ดาวน์โหลด 200k+) รวมงานเสียงทั้งวงจรมาไว้ในแอปเดียวที่รันในเครื่องล้วน: โคลนเสียง, สร้างเสียงพูด, ถอดเสียง, พิมพ์ด้วยเสียง และต่อเสียงเข้า AI agent

ทำอะไรได้บ้าง

โคลนเสียงจากไฟล์ตัวอย่างสั้นๆ → ได้ voice profile เอาไปอ่านข้อความอะไรก็ได้
เสียงสำเร็จรูป 50+ แบบ + สร้างเสียงพูดหลายภาษา รองรับ TTS engine หลายตัวในแอปเดียว
ถอดเสียงด้วยโมเดลตระกูล Whisper
กดปุ่มลัดแล้วพูด → พิมพ์ข้อความลงแอปไหนก็ได้ (voice typing)
ปรับ pitch / reverb / delay และเอฟเฟกต์เสียง
Timeline editor ทำบทสนทนาหลายเสียง — เหมาะทำ podcast ตัวละครหลายคน
เชื่อมระบบอื่นผ่าน REST API และต่อ Claude Code / Cursor / Windsurf ผ่าน MCP

ติดตั้ง: มี installer สำหรับ macOS/Windows หรือ self-host ด้วย docker compose up แล้วเปิด localhost — ต่อเข้า Claude Code ด้วย claude mcp add voicebox --transport http --url http://127.0.0.1:17493/mcp

ที่ผมโดนคือตรงนี้

ผมอยู่ฝั่งนี้ของสมการมานานแล้ว — สร้าง OpenWhisper เครื่องมือ dictation ของตัวเอง (กดปุ่มพูดแล้วพิมพ์ให้) ซึ่งคือขา เสียง→ข้อความ Voicebox เติมขากลับที่ผมยังไม่มี: ข้อความ→เสียง โคลนเสียงตัวเองได้ และที่เด็ดสุดคือ MCP ให้ Claude พูดตอบ

use case ที่อยากลองจริงเรียงตามใกล้ตัว:

Claude พูดแจ้งเตือนเมื่องานเสร็จ — รัน task ยาวๆ แล้วเดินไปทำอย่างอื่น ให้มันเรียกเมื่อเสร็จ ไม่ต้องนั่งเฝ้าจอ
เสียงบรรยายคลิปจากเสียงตัวเอง — pipeline คลิปโปรโมตแอปที่วางไว้ต้องมี voiceover ถ้าโคลนเสียงตัวเองแล้ว gen บทพูดได้ในเครื่อง งานคลิปจบครบวงจรโดยไม่จ่ายค่า TTS cloud รายตัว
คุยกับฮานะด้วยเสียงสองทาง — แผน Office Agent บน VPS สั่งผ่าน Telegram อยู่แล้ว ถ้าเครื่องฝั่งนี้มี Voicebox ก็พูดสั่ง-ฟังตอบได้จริง

ข้อควรเผื่อจากต้นทางที่ควรฟัง: โมเดลเสียงกิน RAM/พื้นที่/GPU ตาม engine ที่เลือก (CPU ได้แต่ช้ากว่า), ยังเป็น v0.5.0 มี bug รายแพลตฟอร์มที่กำลังไล่แก้ — ลองกับ workflow ตัวเองก่อนเอาไปงานจริง และเรื่องใหญ่สุด: โคลนเสียงต้องได้ความยินยอมจากเจ้าของเสียงชัดเจน ห้ามเอาไปแอบอ้างหรือหลอกลวงเด็ดขาด

🔗 GitHub — jamiepine/voicebox

ที่มา: เพจ getnotes