Voicebox

Voicebox는 긴 학습 대신 짧은 샘플에서 음성 프로필을 만든다. 오디오 파일을 넣거나, 마이크로 최대 30초를 녹음하거나, 시스템에서 재생 중인 오디오를 캡처할 수 있다. 영상이나 팟캐스트에서 바로 음성을 복제할 수 있다는 뜻이다. 프로필은 재사용할 수 있고, 여러 샘플을 합쳐 결과를 다듬을 수도 있다. 클라우드 분을 빌리지 않고 오픈소스 음성 복제를 원하는 사람에게 이 도구의 핵심이 여기 있다.

하나의 모델에 걸지 않고, Voicebox는 7가지 텍스트 음성 변환 엔진을 묶어 전환할 수 있게 한다. Qwen3-TTS는 다국어 복제를 맡고, Chatterbox Multilingual은 가장 넓은 언어 범위를 덮으며, Chatterbox Turbo는 웃음과 한숨 같은 준언어 태그를 더하고, Kokoro는 작고 CPU에서도 빠르다. 최고의 엔진은 없고, 어떤 작업에 맞는 엔진만 있을 뿐이다. 일마다 골라 쓰는 편이 한 업체가 내놓는 것에 묶이는 것보다 낫다.

전역 단축키가 내 말을 어떤 앱에서든 텍스트로 바꾼다. 키를 누른 채 말하고 놓으면 전사문이 활성 필드나 클립보드에 들어간다. macOS와 Windows의 모든 앱에 받아쓰기를 할 수 있게 하는 부분이고, 모든 텍스트 상자에 앱 내 마이크 버튼이 붙는다. 전사문과 원본 오디오는 Captures에 함께 저장되어 나중에 무슨 말을 했는지 다시 볼 수 있다. 긴 메시지를 손으로 타이핑하는 일에 대한 실용적인 답이다.

도구 호출 한 번, voicebox.speak이면 MCP를 지원하는 어떤 에이전트든 내가 복제한 목소리로 말할 수 있다. Claude Code, Cursor, Cline, 그리고 MCP를 말하는 무엇이든 음성 프로필에 연결할 수 있어, 화면을 보지 않고도 어느 에이전트가 응답하는지 알 수 있다. 에이전트가 시작한 클립은 모두 화면에 같은 표시를 띄우므로, 백그라운드에서 조용히 재생되는 일은 없다. 이 엔드포인트는 같은 로컬 서버에서 ACP와 A2A 같은 다른 도구 호출 프로토콜에도 맞는다.

내려받은 엔진은 각각 내 컴퓨터의 17493 포트에서 REST 엔드포인트가 된다. API 키도, 사용량 제한도, 글자당 요금도 없다. 요청이 내 컴퓨터를 떠나지 않기 때문이다. 개발자는 NPC 대사를 만들거나, 캐릭터를 현지화하거나, 앱에 음성 응답을 붙이는 데 localhost 주소로 이를 쓴다. 음성 기능을 만드는 사람에게 흔한 가격과 개인정보의 맞바꿈을 없애 준다.

음성 프로필은 자유로운 페르소나를 담을 수 있고, 앱의 로컬 모델이 그 목소리로 내 텍스트를 다시 쓰거나 요청에 따라 새 대사를 즉흥으로 만든다. 게임 대사, 내레이션 신호, 긴 프로젝트에서 캐릭터를 일관되게 유지하는 데 유용하다. 이어서 Stories 편집기는 여러 음성을 멀티트랙 타임라인에 올려, 여러 화자로 한 장면이나 팟캐스트 구간을 자를 수 있게 한다. 흩어진 클립을 완성된 한 편으로 바꾼다. 스튜디오는 필요 없다.