Voicebox 介紹：免費開源的 AI 語音克隆與合成軟體

隨著 AI 生成技術發展，製作語音內容變得更加容易。想要利用 AI 工具創作有聲書或影片旁白，本文介紹的「Voicebox」是一款免費、開源的語音克隆與合成軟體，主打本機端運行，無須訂閱雲端服務。使用者可在自己的電腦上匯入聲音範本、生成語音內容，內建多軌時間軸編輯器，方便處理多角色音訊編排與剪輯工作。

軟體介紹

Voicebox 支援 macOS、Windows 與 Linux 系統，以及 MLX/Metal、CUDA、AMD ROCm、Intel Arc 等硬體加速，目前能夠處理 23 種語言。使用者進行聲音克隆、生成語音與編輯內容，都在電腦中處理。

開發者在 Voicebox 中整合了 5 款 TTS 文字轉語音引擎，包括 Qwen3-TTS、LuxTTS、Chatterbox Multilingual、Chatterbox Turbo 與 HumeAI TADA，還有 Whisper 模型用以將範本語音內容轉換為文字，方便建立克隆語音。

Voicebox 主要特色

  • 自訂語音：提交範本聲音進行克隆後，透過 TTS 引擎生成自然流暢的語音。
  • 故事編輯：內建多軌編輯器，可排列音軌、剪輯片段並混合不同角色的對話。
  • 聲音效果：提供音調偏移、迴響、延遲、壓縮等效果。
  • 無限長度：可一次生成多達五萬字元，自動分割區塊與無縫淡入淡出處理。

軟體名稱：Voicebox

授權型式：免費

介面語言：英文

作業系統：Windows、macOS、Linux

官方網站：https://voicebox.sh/

軟體下載：【Windows安裝程式】【GitHub 發佈】

(2026/03/17 軟體更新 v0.3.0 版本)

Voicebox 使用說明

1. 開啟 Voicebox 官方網站，在導覽列點擊「Download」即可免費下載 Windows、macOS、Linux 安裝程式。
在 Voicebox 官方網站點擊 Download 下載 Windows、macOS 或 Linux 安裝程式
2. 下載檔案後，將 Voicebox 安裝到電腦上，啟動軟體時都會檢查可用的語音模型與系統硬體配備。
Voicebox 軟體啟動畫面，正在初始化語音模型與檢查系統配備
3. Voicebox 主畫面是語音生成功能，沒有預設的聲音選項，要點擊「Create Voice」進行聲音克隆，才能使用該聲音將文字轉換為語音。
Voicebox 主畫面，點擊 Create Voice 開始建立第一個 AI 聲音克隆範本
4. 在操作之前，先點選「Models」頁面會有 TTS 引擎與 Whisper 模型清單，使用者可點選模型進行下載。若未手動下載，在執行語音辨識和生成語音時，將會下載對應的模型。
Voicebox Models 頁面，顯示可供下載的 TTS 引擎與 Whisper 語音辨識模型清單
5. Voicebox 支援 GPU 加速處理，若是使用 NVIDIA 顯示卡的 Windows 使用者，需手動下載 CUDA 支援包才能發揮作用，點擊「設定 > GPU」就會看到下載選項。
Voicebox GPU 設定頁面，Windows 系統可手動下載 CUDA 支援包以啟用硬體加速
6. 在主畫面中點擊「Create Voice」可選擇 Upload（選擇音訊檔案）、錄音和擷取系統聲音，以及參考文本、名稱、描述、語言等選項。
Voicebox 建立聲音範本介面，支援上傳音訊、錄音或擷取系統聲音進行聲音克隆
7. 選擇範本音訊檔案後，點擊「Whisper」即可辨識語音產生文本，填寫名稱並選擇語言後，點擊「Create profile」即可保存聲音範本，使用者可創建多個聲音用以對應不同角色。
Voicebox 使用 Whisper 辨識範本音訊並產生參考文本，點擊 Create profile 保存聲音
8. 建立聲音範本後，在主畫面點選聲音，並於底部輸入文本、選擇語言、TTS 引擎和效果，點擊「AI 生成」按鈕開始處理。
在 Voicebox 選擇聲音範本、輸入文本並選擇 TTS 引擎後，點擊生成按鈕處理 AI 語音
9. 處理時間取決於電腦效能，預設 CPU 處理需花費較長時間。生成語音後將會自動播放音訊，並於主畫面顯示該則音訊，點擊「⋯」會有匯出、套用效果、重新生成、刪除等操作。
Voicebox 語音生成完成後的音訊列表，點擊選單可進行匯出或套用聲音效果
10. Voicebox 主畫面適合生成單一語音，若需要創建多角色有聲內容，點選「Stories」頁面會有多軌時間軸編輯器，生成語音後可加入剪輯。
Voicebox 的 Stories 多軌時間軸編輯器，可用於排列音軌與剪輯多角色有聲內容

延伸閱讀：