VoiceStudio, topluluk destekli açık kaynaklı bir proje olarak, tek günde 2.632'den fazla yıldız kazanarak GitHub trend grafiklerinde hızla yükseldi ve ElevenLabs gibi bulut tabanlı ses yapay zekası hizmetlerine ciddi bir yerel öncelikli alternatif olarak konumlandı.
Proje, 16 metinden konuşmaya ve 11 konuşmadan tanıma motorunu, Tauri v2 (Rust) üzerine inşa edilmiş, React ön yüzü ve FastAPI Python arka yüzlü birleşik bir masaüstü uygulamasında paketler. macOS (Apple Silicon), Windows, Linux ve Docker üzerinde çalışır; CUDA, Apple Silicon MPS/MLX ve ROCm ile GPU hızlandırması sağlar.
Temel yetenekler arasında 5-15 saniyelik referans klibinden Zero-Shot ses klonlama, doğal dil açıklamalarından ses tasarımı, konuşmacı korumalı çok dilli video dublaj, yerel LLM temizlemeli dikte ve EPUB/PDF içe aktarmalı çok konuşmacılı senaryolarla sesli kitap üretimi yer alır. Varsayılan OmniVoice motoru 600'den fazla dili destekler.
Tüm veriler varsayılan olarak kullanıcının cihazında kalır. VoiceStudio, sentetik ses özgünlüğü için AudioSeal filigranlama içerir. Proje AGPL-3.0 altında lisanslıdır ve yerel REST/SSE/WebSocket API'si, OpenAI uyumlu ses uç noktası ve yapay zekası agentleri için MCP sunucusu sunar.
Bu yükseliş, bulut bağımlılıklarını, abonelik maliyetlerini ve gizlilik endişelerini önlemek isteyen geliştiricilerin yerel öncelikli yapay zekası araçlarına olan artan talebini yansıtıyor.
