VoiceStudio, ein communitygetriebenes Open-Source-Projekt, ist mit über 2.632 Stars an einem einzigen Tag schnell in den GitHub-Trending-Charts gestiegen und positioniert sich als ernsthafte lokal-first Alternative zu cloudbasierten KI-Stimmdiensten wie ElevenLabs.
Das Projekt bündelt 16 Text-to-Speech-Engines und 11 Speech-to-Recognition-Engines in einer einheitlichen Desktop-Anwendung, die auf Tauri v2 (Rust) mit React-Frontend und FastAPI-Python-Backend aufbaut. Es läuft auf macOS (Apple Silicon), Windows, Linux und Docker mit GPU-Beschleunigung über CUDA, Apple Silicon MPS/MLX und ROCm.
Zu den Hauptfunktionen gehören Zero-Shot-Stimmenklonung aus einem 5–15-sekündigen Referenzclip, Stimmdesign aus natürlichsprachlichen Beschreibungen, mehrsprachiges Videodubbing mit Sprecheraufbewahrung, Diktat mit lokaler KI-Bereinigung und Hörbuchproduktion mit Mehrsprecher-Skripten und EPUB/PDF-Import. Die Standard-OmniVoice-Engine unterstützt über 600 Sprachen.
Alle Daten bleiben standardmäßig auf dem Gerät des Nutzers. VoiceStudio enthält AudioSeal-Watermarking zur Nachverfolgung synthetischer Sprache. Das Projekt ist unter AGPL-3.0 lizenziert und bietet eine lokale REST/SSE/WebSocket-API, ein OpenAI-kompatibles Audio-Endpunkt und einen MCP-Server für KI-Agenten-Integration.
Der Anstieg spiegelt die wachsende Nachfrage der Entwickler nach lokal-first KI-Tools wider, die Cloud-Abhängigkeiten, Abonnementkosten und Datenschutzbedenken vermeiden.
