声の複製も読み上げも端末内完結｜無料OSS Voicebox

声の複製や読み上げをクラウドに頼らず、音声データを端末外に出さずに完結できる点が、プライバシーやコスト面で実務的に効く。さらに対応AIエージェント（Claude Code、Cursor など）に自分が複製した声で話させる連携機能を備え、音声の入出力を開発ワークフローに組み込みやすい。有料サービスの代替を無料・OSSで提供する構図が注目を集めている。

音声合成エンジンは7種類を搭載する。Qwen3-TTS、Qwen CustomVoice、LuxTTS、Chatterbox Multilingual、Chatterbox Turbo、HumeAI TADA、Kokoro である。声の複製は数秒の参照音声からでき、Kokoro と Qwen CustomVoice 経由で用意済みの音声も50種類以上使える。

対応言語は23言語で、日本語・アラビア語・ヒンディー語などを含む。文字起こしには OpenAI の Whisper を使い、アプリは Electron ではなく Rust 製の Tauri（軽量なデスクトップアプリ基盤）で構築され、macOS・Windows・Linux と各種GPUに対応する。

最も実務に効くのは、音声処理がすべて端末内で完結する点だ。モデル・音声データ・録音のいずれも外部に送られない。クラウドの従量課金が発生せず、機密音声を扱う現場でもデータ越境の懸念なしに使える。

Voicebox は外部から呼び出すためのREST API（プログラムから機能を使うための窓口）と、内蔵の連携サーバー（MCPサーバー＝対応AIツールが機能を呼び出すための仲介役）を備える。これにより、Claude Code や Cursor といった対応AIエージェントが、`voicebox.speak` という1つの呼び出しだけで、複製した声で話す。

さらに全システム共通のホットキー（どのアプリを開いていても効く呼び出しキー）で音声入力でき、macOS では文字起こしの結果を、いま選択中の入力欄へ自動で貼り付ける。音声の入力と出力の両方を、開発ワークフローのどこにでも差し込める設計になっている。