声の複製や動画の吹き替え、文字起こしを自分のパソコンの中で動かせる無料のアプリ「VoiceStudio」が GitHub で公開されている。11月1日には GIGAZINE が Windows 版の使い方を紹介した。開発元の説明では、macOS（Apple Silicon）、Windows 10/11、Linux が安定版で、Android と iPhone・iPad はプレビュー版だ。
声の作業をクラウドに送らずに手元で済ませられる道具だ。同時に、他人の声を短い録音から写せる道具が、誰の手にも届くということでもある。
VoiceStudio でできること
README と GIGAZINE の紹介によると、主な機能は次のとおり。
- 声の複製と、文章で特徴を指定して架空の声を作る音声デザイン。GIGAZINE によると、数秒から十数秒の録音から声を再現する
- 動画の吹き替え。文字起こし、翻訳、合成音声での吹き替えを経て、MP4 で書き出す
- 画面に浮かぶ小さな窓からの音声入力と、手元での文字起こし
- 長文の読み上げと一括処理。章ごとに読み上げ、登場人物ごとに声を割り当てられる
- ローカル API と MCP を通じた、外部のツールや AI エージェントからの操作
README は646言語に対応するとうたう。既定の音声エンジンは k2-fsa の OmniVoice で、ほかのエンジンもモデル管理の画面から選べる。
動かすのに要るもの
GPU がなくても CPU だけで使えるが、そのぶん遅くなる。NVIDIA の CUDA や Apple の Metal などを使える環境なら速く動く。初回はシステムの確認のあと、用途に合わせたモデルのセットを選んでダウンロードする。
日本語で使うときには一手間ある。GIGAZINE によると、日本語の録音を文字起こしするには、音声認識のモデルを別に追加する必要がある。インストールしてすぐに、すべての言語で同じように動くわけではない。
ライセンスは2重、声には持ち主がいる
ライセンスは2つに分かれている。アプリ本体は AGPL-3.0 で、その条件のもとで商用利用もできる。一方で、モデルの重み、声、生成した音声には、それぞれ別のライセンスがある。モデル管理の画面に、モデルごとのライセンスが表示される。
吹き替えた動画で収入を得るつもりなら、読むべきはアプリ本体よりも、使うモデルのライセンスだ。無料で手に入ることと、作ったものを自由に使えることは、同じではない。
もう一つの条件は、声の持ち主だ。README は、声の複製は持ち主の許可がある場合だけにするよう書いている。自分の声で長い原稿を読み上げさせる、本人の同意を得て家族の声で物語を残す。手元で動くからこそ、使いみちは身近に広がる。その分、許可を取るかどうかの判断も、使う人の手元に残る。
確かめられる次の一点は、README の「License & responsible use」の節と、モデル管理の画面に出る各モデルのライセンスだ。モデルを入れる前に、使いたい用途が許されているかをそこで見ておく。
ことば
- 音声クローン：短い録音から、その人の声の特徴をまねた合成音声を作る技術。読み上げや吹き替えに使える一方、本人になりすます詐欺にも悪用されうる。
- MCP：AI エージェントが外部のアプリや道具を操作するための共通の接続方式。VoiceStudio はこれに対応し、AI から読み上げや文字起こしを頼める。
- AGPL-3.0：ソフトウェアの公開ライセンスの一つ。改変して他人に使わせる場合は、ソースコードの公開を求める条件がある。
あなたの声を、誰になら写させてもいいと思えるだろうか？
