รีวิว VoiceStudio — สตูดิโอเสียง AI แบบ open source ที่รันในเครื่องเราเอง

คืออะไร

VoiceStudio เป็นโอเพนซอร์สแทน ElevenLabs ที่รวมงานเสียงหลายอย่างไว้ในโปรเจกต์เดียว ตัว repo เขียนว่าเป็น fully-local และ local-first — คือ workflow หลักรันบนฮาร์ดแวร์ของคุณเอง ส่วนบริการรีโมตเป็นตัวเลือกเสริม (และการส่ง usage analytics ต้องได้ consent ก่อน)

ติดตั้งผ่านสคริปต์จาก voicestudio.sh หรือดาวน์โหลด desktop app ให้ดาวน์โหลดจากหน้า Releases

จุดเด่น

• ครอบคลุมงานเสียงหลายแบบในที่เดียว — voice cloning, voice design, video dubbing (พร้อม speech ที่ sync เวลา), dictation ผ่าน floating widget, transcription และการทำ audiobook/งานแบบ batch ตามที่ README แบ่งเป็น 3 กลุ่ม: Create / Produce / Connect
• รองรับ 646 ภาษา (ตัวเลขนี้มาจากคำอธิบาย repo)
• ทำงานบนเครื่องตัวเอง และเลือก engine ได้ — ค่าเริ่มต้นเป็น VoiceStudio (powered by k2-fsa/OmniVoice) หรือสลับไปใช้ engine อื่น ดูแคตตาล็อกได้ที่ docs/feature-catalog.md
• ต่อกับ agent ได้ — มี Local API และ MCP สำหรับ agent (ดูได้ที่ docs/speech-platform.md และ docs/mcp.md) รวมถึง remote workers แบบ optional
• รองรับหลายชนิดเครื่อง — CUDA acceleration บน NVIDIA GPU (Windows/Linux), Metal (MPS) บน Apple Silicon และถ้าไม่มี GPU แยกก็ยังใช้บน CPU ได้ (ช้ากว่า และตอน setup จะติดตั้ง PyTorch เวอร์ชัน CPU ขนาดเล็ก ต้องมีพื้นที่ว่างราว 5 GB)
• ติดตั้งง่ายด้วยคำสั่งเดียว และตัว installer เก็บค่า settings, projects และ models ของคุณไว้
• มี agent guide ให้ paste ได้เลย — รองรับ Claude Code, Codex, Cursor ฯลฯ และ agent ที่รองรับ skills สามารถรัน npx skills add debpalash/VoiceStudio ได้ (เลือก skill voicestudio หรือ voicestudio-maintainer)
• มีเอกสารครบ: troubleshooting, การดาวน์โหลดโมเดล, engine guides, benchmarks และ changelog

เหมาะกับใคร

• คนทำคอนเทนต์เสียงหรือวิดีโอที่อยาก clone เสียงหรือออกแบบเสียงเองโดยไม่ต้องผูกกับเซอร์วิสเสียงตายตัว
• คนทำ audiobook และงาน batch ซึ่งต้องการทำงานแบบ offline/local-first
• สาย AI/agent ที่อยากใช้งานเสียงเป็นเครื่องมือผ่าน Local API หรือ MCP
• ผู้ใช้ที่ต้องการ self-host (มีคู่มือ Docker แยกต่างหาก)

ควรระวังตรงนี้นิดหนึ่ง: README เขียนชัดว่าให้ clone เสียง "only with permission"

เริ่มต้นใช้งาน

ติดตั้งแบบคำสั่งเดียว (macOS / Linux):

# Latest Electron release
curl -fsSL https://voicestudio.sh/install | sh

บน Windows ให้รันใน PowerShell:

irm https://voicestudio.sh/install | iex

หรือดาวน์โหลดจากหน้า Releases ได้ (macOS .dmg, Windows .exe, Linux .AppImage หรือ .deb) แล้วทำตามคู่มือของแต่ละแพลตฟอร์ม: macOS | Windows | Linux | Docker

ถ้าอยากให้ coding agent ช่วยติดตั้งและทดสอบให้ คัดลอก prompt นี้ไปวางได้เลย:

Install the VoiceStudio Electron app on this device and verify it works, following
https://github.com/debpalash/VoiceStudio/blob/main/docs/install/agent.md

รันจาก source (Electron):

git clone https://github.com/debpalash/VoiceStudio.git
cd VoiceStudio
bun install
bun run setup:api  # prepare Python dependencies before starting Electron
bun run dev

หลังติดตั้งแล้ว: เปิดหน้า Voice cloning เลือกเสียง หรืออัปโหลดไฟล์เสียงตัวอย่างที่สะอาด แล้วใส่ข้อความและกด generate (ระบบจะถามให้ติดตั้งโมเดลที่ต้องใช้ตอนนั้น)

ข้อควรรู้

• License: AGPL-3.0 (GNU Affero General Public License v3.0) และ README เตือนว่า โมเดลแต่ละตัวมี license ของตัวเอง ต้องตรวจเงื่อนไขก่อนนำไปใช้เชิงพาณิชย์ รวมถึงการ clone เสียงควรได้รับอนุญาตเท่านั้น
• ความสดใหม่: push ล่าสุด 6 ต.ค. 2026, โปรเจกต์สร้างเมื่อ 9 เม.ย. 2026 อายุประมาณ 6 เดือน ยังไม่ archived (ข้อมูล ณ 6 ต.ค. 2026)
• ดาว/ฟอร์ก: 53.8k ดาว และ 6.0k ฟอร์ก (ข้อมูล ณ 6 ต.ค. 2026)
• ข้อจำกัดด้านแพลตฟอร์ม: Windows on ARM (เช่น Snapdragon X) ระบุว่าเป็น Experimental ยังรอการตรวจสอบ — native ARM64 app คู่กับ Python backend แบบ x64 ที่รันภายใต้ emulation และใช้ CPU เท่านั้น
• Intel Mac: ใช้ได้แค่ UI ของแอป ต้องต่อไปยัง remote backend
• ไม่มี GPU แยก: ใช้งานได้บน CPU แต่ช้ากว่า และ setup จะติดตั้ง PyTorch เวอร์ชัน CPU (ต้องมีพื้นที่ว่างราว 5 GB)
• แอปเดสก์ท็อปเปลี่ยนแล้ว: ตอนนี้ใช้ Electron เป็นตัวเดียว ทั้ง desktop app และ web UI เวอร์ชัน 0.5.3 เป็นรุ่น Tauri สุดท้าย ผู้ใช้ Tauri เดิมต้องติดตั้ง Electron แยก และ installer ไม่ fallback ไปใช้บิลด์ Tauri ที่เก็บไว้
• ความต้องการระหว่าง build: ตัวเลือก --main ต้องมี Git, Node.js 22+, Bun, Rust/Cargo และ build tools ของแพลตฟอร์ม
• สถานะโปรเจกต์: ยัง active แต่มี issue/PR เปิดอยู่ 63 รายการ ควรลองเองก่อนใช้ในงานจริง

🔗 https://github.com/debpalash/VoiceStudio

ข้อมูลจาก GitHub ณ 6 ต.ค. 2026: ⭐ 53,763 | ภาษา Python | license AGPL-3.0