Voicebox

Voicebox est une application de bureau libre qui vous permet de synthétiser et de cloner n’importe quelle voix à l’aide du modèle Qwen3‑TTS. Tout ce qui est généré avec Voicebox est effectué localement sur votre PC, vous ne dépendrez donc pas de jetons ni d’abonnements payants.

Clonage vocal et synthèse avec Qwen3‑TTS

Dans Voicebox, vous pouvez cloner des voix à partir de quelques secondes seulement d’audio de référence (avec un maximum de 30 secondes) en utilisant les capacités de Qwen3‑TTS pour reproduire le ton, le timbre et l’accent avec une grande fidélité. Pour utiliser un audio de référence, vous devez d’abord téléverser un fichier vocal ou enregistrer directement depuis le microphone. Après cela, vous devez indiquer à l’application ce que vous avez dit, ou utiliser la fonction de transcription intégrée pour le convertir en texte. Avec ces seules informations, l’application enregistrera le profil, et vous pourrez ensuite l’utiliser pour générer de l’audio sans avoir à le réentraîner.

Générez de l’audio avec n’importe quelle voix

Une fois le profil créé, vous rédigez le texte que vous souhaitez faire prononcer à la voix, et Voicebox génère l’audio correspondant. C’est utile, par exemple, pour générer des traductions de textes dans d’autres langues tout en conservant votre ton. Cela vous permet aussi de réaliser des doublages amusants faits maison, ou même de doubler des jeux vidéo. En outre, vous pouvez exporter chaque profil vocal et l’envoyer à quelqu’un afin qu’il puisse créer de l’audio sur son PC avec celui-ci.

Transcription avec Whisper et capture audio

Voicebox intègre nativement Whisper pour transcrire l’audio d’entrée et aligner le texte avec la voix générée. Cela vous permet de modifier directement le texte sur la timeline et de voir comment la prononciation change, ce qui est très utile si vous souhaitez corriger des erreurs, ajuster des pauses ou retoucher des dialogues tout en conservant la même voix clonée. Il inclut également la capture de l’audio système, ce qui vous permet d’enregistrer le son provenant de votre PC (d’un jeu ou d’un appel, par exemple) et de l’utiliser comme référence pour cloner une voix, ou comme base pour une scène audio.

API locale et serveur vocal

Au-delà de son interface graphique, Voicebox est conçu pour être intégré à d’autres projets : il propose une API REST et un serveur local que vous pouvez démarrer d’un seul clic pour utiliser la génération vocale depuis des jeux, des applications ou des agents IA. À partir de cette API, vous pouvez envoyer du texte, sélectionner des profils vocaux et obtenir l’audio généré dans un format standard, ce qui permet d’automatiser des narrations, des dialogues ou des notifications vocales sans avoir à passer par des services cloud. L’application est construite avec Tauri, Rust et Python, ce qui la rend relativement légère par rapport aux solutions basées sur Electron et permet une exécution locale sans exigences matérielles importantes. Même ainsi, les performances dépendront de votre GPU/CPU et de la manière dont le modèle Qwen3-TTS est configuré sur votre machine, puisque tout le traitement est effectué sur votre propre équipement.

Générez des histoires avec une voix

En plus de générer de l’audio, Voicebox dispose d’une section pour générer des histoires à l’aide de voix, où vous pouvez indiquer ce que vous souhaitez qu’il se passe dans l’histoire. C’est idéal pour générer du contenu pour divertir vos enfants, ou même pour raconter des blagues en utilisant différentes voix.

Mon expérience d’utilisation deVoicebox

Lors des tests de Voicebox sur mon PC, j’ai trouvé qu’il était très facile de cloner une voix avec seulement quelques secondes d’audio, d’enregistrer le profil, puis de générer plusieurs extraits de texte pour assembler un petit dialogue sur la timeline. Cependant, certaines fonctionnalités manquent, comme la possibilité d’ajouter davantage d’audio ou d’effectuer des ajustements vocaux avancés pour le rendre plus réaliste.

Ce que j’ai le plus apprécié et ce qui pourrait être amélioré

• Ce que j’ai le plus aimé : que tout le clonage et le traitement de synthèse sont effectués localement, sans cloud ni abonnement.

• Ce que j’améliorerais : pouvoir personnaliser les voix et utiliser plusieurs échantillons afin que l’audio généré final sonne mieux. De plus, selon la puissance de votre PC, la génération du contenu peut prendre plusieurs minutes. Il existe des modèles plus légers que vous pouvez utiliser pour générer du contenu, mais plus le modèle est complexe, meilleur sera le résultat.

Téléchargez Voicebox et commencez à utiliser un studio de synthèse et de clonage vocal qui fonctionne entièrement sur votre ordinateur, avec prise en charge de Qwen3‑TTS et de Whisper.