VoiceStudio: clone giọng, lồng tiếng video chạy trên máy bạn — hướng dẫn cài đặt và dùng
Bài này là một góc nhìn khác về debpalash/VoiceStudio — repo từng đổi tên nên mình viết lại với cách tiếp cận khác. Bài hướng dẫn chính: VoiceStudio: tạo giọng nói, lồng tiếng, chép lời ngay trên máy — hướng dẫn cài đặt và dùng →

Tóm tắt nhanh
VoiceStudio là ứng dụng studio giọng nói AI mã nguồn mở, chạy hoàn toàn trên máy của bạn. Nó nhân bản giọng, thiết kế giọng, lồng tiếng video, đọc chính tả, chép lời và tạo sách nói trong 646 ngôn ngữ. Cài khá dễ: chỉ cần một dòng lệnh hoặc tải bộ cài, không cần tài khoản.
VoiceStudio là một ứng dụng "studio giọng nói" mã nguồn mở chạy ngay trên máy của bạn, được tác giả giới thiệu như một lựa chọn thay thế ElevenLabs chạy cục bộ. Với nó, bạn có thể nhân bản giọng nói, thiết kế giọng mới bằng lời mô tả, lồng tiếng cho video, đọc chính tả, chép lời (transcribe) và làm sách nói, với 646 ngôn ngữ.
Ai nên dùng? Người làm nội dung cần voiceover, chủ shop làm video bán hàng, nhân viên văn phòng cần gỡ băng cuộc họp, hay lập trình viên muốn gắn giọng nói vào công cụ của mình. Điểm đáng giá nhất: README ghi rõ bản app miễn phí, chạy trên phần cứng của bạn và không cần tài khoản. Repo hiện có khoảng 109.000 sao và 12.000 fork, và vẫn được cập nhật trong vài tháng gần đây.
Mình thấy dễ nhất là cài bằng một dòng lệnh hoặc tải bộ cài, mở app, rồi bấm làm theo giao diện. Bạn không phải viết code. Bài này dẫn bạn đi từ cài đặt đến vài tình huống dùng thật. Bạn có thể xem video ngắn bên dưới để thấy app hoạt động trước khi cài.
debpalash/VoiceStudio
Studio giọng nói AI mã nguồn mở chạy ngay trên máy bạn: nhân bản giọng, lồng tiếng video, chép lời, đọc sách nói, thay thế ElevenLabs.
I.VoiceStudio làm được gì
Theo README, app gom nhiều việc về giọng nói vào một chỗ. Mình điểm qua những việc đáng chú ý nhất.
- Nhân bản giọng (voice cloning). Bạn đưa vào một đoạn ghi âm tham chiếu sạch, app biến văn bản thành lời nói bằng giọng tương tự. Có ích khi bạn muốn video của shop luôn có cùng một giọng đọc.
- Lồng tiếng video (dubbing). App dịch và lồng tiếng cho video, với giọng đọc canh theo nhịp của bản gốc. Bạn không phải tự căn từng câu.
- Thiết kế giọng (voice design). Bạn mô tả một giọng bằng lời rồi app tạo ra giọng đó. Phù hợp khi bạn chưa có bản ghi mẫu nào.
- Mô hình chạy cục bộ. Bạn tự chọn engine và chỉ tải những mô hình cần dùng. Mặc định là VoiceStudio chạy bằng k2-fsa/OmniVoice, ngoài ra còn hàng chục engine khác trong Model Manager. Máy yếu thì bạn chọn ít mô hình, đỡ tốn ổ cứng.
- Đọc chính tả và chép lời. Có widget chính tả nổi trên màn hình và tính năng chép lời chạy cục bộ. Dữ liệu ghi âm của bạn không cần gửi lên dịch vụ nào theo mô tả của README.
- Kể chuyện, sách nói và hàng đợi. Bạn có thể tạo truyện, sách nói và xếp nhiều công việc vào hàng đợi để máy làm dần.
- Kết nối và tự động hoá. Có API cục bộ, MCP, "recipe" dùng lại được và thư mục theo dõi (watch folder). Phần này dành cho người muốn nối VoiceStudio vào quy trình riêng.
README còn nhắc hai gói tuỳ chọn. VoiceStudio Pro là bản đóng mã nguồn, cần tài khoản, dành cho việc làm thuê cho khách trên nhiều máy. VoiceStudio Cloud là API giọng nói lưu trữ trên đám mây, ghi là "coming soon". README nói rõ bản app miễn phí vẫn miễn phí và chạy cục bộ. Bài này chỉ nói về bản miễn phí.
II.Cần chuẩn bị gì
Tuỳ bạn cài trên thiết bị nào, yêu cầu theo README như sau:
- macOS: macOS 13.3 trở lên, chip Apple Silicon. Các engine cục bộ dùng Metal (MPS). Mac Intel chỉ chạy được giao diện app và phải nối tới một backend VoiceStudio ở máy khác (README ghi là "Limited").
- Windows: Windows 10/11 bản x64. Chạy được với NVIDIA CUDA, AMD ROCm (phải bật riêng, đang thử nghiệm) hoặc chỉ CPU. Windows on ARM đang ở mức thử nghiệm.
- Linux: Linux x64, dùng được NVIDIA CUDA hoặc CPU, thêm Vulkan cho một số engine GGUF.
- Docker: có image cho CPU, NVIDIA CUDA và AMD ROCm.
- Điện thoại: Android 10 trở lên, iPhone/iPad iOS/iPadOS 17 trở lên. Cả hai đều ở bản Preview, chạy trên máy và ngoại tuyến sau khi tải mô hình.
- Không có GPU? README nói app vẫn dùng được hoàn toàn trên CPU, chỉ chậm hơn.
- Tài khoản và API key: bản app miễn phí không cần tài khoản. Riêng cách chạy Docker thì bạn tự tạo một khoá API cho chính máy mình (hướng dẫn ở dưới).
- Chỉ khi chạy từ mã nguồn: repo khai báo Python từ 3.11 trở lên, và README dùng lệnh
bun, nên bạn cần có bun. Dùng bộ cài thì không cần lo phần này.
Tư liệu không ghi dung lượng ổ cứng hay RAM tối thiểu, nên mình không đoán. Mô hình được tải về từng cái, nên hãy chừa ổ cứng thoải mái.
III.Cài đặt từng bước
- Chọn cách càiXem hệ điều hành của bạn: macOS, Windows, Linux, Docker hay điện thoại
- Chạy lệnh cài hoặc tải bộ càiDùng một dòng lệnh hoặc tải file cài từ trang release
- Mở VoiceStudioMở app sau khi cài xong
- Cho phép tải mô hìnhApp sẽ hỏi trước khi tải bất kỳ mô hình nào
- Thử tạo giọng đầu tiênVào Voice cloning, nhập chữ rồi bấm tạo
A.Cài trên macOS
Dùng Homebrew nếu bạn đã có. Mở ứng dụng Terminal rồi chạy lần lượt ba lệnh. Lệnh đầu thêm kho của tác giả, lệnh thứ hai tin cậy kho đó, lệnh thứ ba cài app.
brew tap debpalash/tap
brew trust --cask debpalash/tap/voicestudio
brew install --cask debpalash/tap/voicestudioBạn không dùng Homebrew thì có hai cách khác. Cách thứ nhất là tải file DMG từ trang release mới nhất của repo, mở ra và kéo VoiceStudio vào thư mục Applications. Cách thứ hai là chạy bộ cài một lệnh:
curl -fsSL https://voicestudio.sh/install | shLưu ý: cách này chỉ dành cho Mac chip Apple Silicon. Mac Intel xem phần Cần chuẩn bị.
B.Cài trên Windows
Mở PowerShell (gõ "PowerShell" vào ô tìm kiếm của Windows rồi mở), dán lệnh sau và nhấn Enter:
irm https://voicestudio.sh/install.ps1 | iexLệnh này tải script cài đặt từ trang của dự án rồi chạy luôn. Nếu bạn không thích chạy script từ mạng, hãy tải bộ cài .exe ở trang release mới nhất của repo và chạy như phần mềm bình thường.
C.Cài trên Linux
Cách nhanh nhất là bộ cài một lệnh, dùng chung với macOS:
curl -fsSL https://voicestudio.sh/install | shNgoài ra README có nhiều cách tuỳ bản phân phối. Với Arch, Manjaro hay EndeavourOS dùng AUR:
yay -S voicestudio-binVới Ubuntu, Debian hoặc Linux Mint, tải file .deb về thư mục hiện tại rồi cài:
sudo apt install ./VoiceStudio-*-linux-x64.debBản Snap dùng được trên Ubuntu, Fedora, openSUSE và nhiều bản khác. Sau khi cài, bạn cần cấp quyền micro bằng lệnh thứ hai, nếu không tính năng thu âm sẽ không hoạt động:
sudo snap install voicestudio
sudo snap connect voicestudio:audio-recordMuốn chạy trên bản Linux nào cũng được, tải file AppImage rồi cấp quyền chạy:
chmod +x VoiceStudio-*-linux-x64.AppImage
./VoiceStudio-*-linux-x64.AppImageREADME còn có hướng dẫn cho Nix/NixOS. Bạn xem trong phần Platforms của README nếu dùng Nix.
D.Cài bằng Docker
Cách này hợp với người muốn chạy VoiceStudio trên một máy chủ và mở bằng trình duyệt. Chạy trong Bash:
export OMNIVOICE_API_KEY="$(openssl rand -hex 32)"
docker run -d --name omnivoice \
-p 127.0.0.1:3900:3900 \
-e OMNIVOICE_API_KEY \
-e OMNIVOICE_DATA_DIR=/app/omnivoice_data \
-v omnivoice-data:/app/omnivoice_data \
ghcr.io/debpalash/voicestudio:stable
printf 'API key: %s\n' "$OMNIVOICE_API_KEY"Dòng đầu tạo một khoá API ngẫu nhiên. Các dòng sau chạy container ở chế độ nền, mở cổng 3900 chỉ cho chính máy bạn (127.0.0.1) và lưu dữ liệu vào một volume tên omnivoice-data. Dòng cuối in khoá ra màn hình. Hãy chép khoá này lại ngay, vì bạn cần nó để đăng nhập. Sau đó mở http://localhost:3900 trong trình duyệt và dùng khoá vừa in. Cách chạy cho NVIDIA, AMD ROCm và Compose có trong tài liệu của repo.
Khoá API chỉ để bảo vệ app của bạn. Đừng dán nó vào chỗ công khai. Giữ nguyên 127.0.0.1 trong lệnh để app chỉ mở cho chính máy bạn, trừ khi bạn hiểu rõ mình đang mở ra mạng.
E.Cài trên điện thoại (bản Preview)
Trên Android, bạn tải file APK ở trang release, hoặc thêm kho F-Droid, hoặc dùng Obtainium. Nếu cài qua cáp USB bằng adb thì chạy:
adb install -r VoiceStudio-*-android.apkTrên iPhone/iPad, bạn tải file IPA và làm theo hướng dẫn ký, cài ngoài App Store (sideload) trong tài liệu của repo. Cả hai đều là bản Preview, nên đừng kỳ vọng ổn định bằng bản máy tính.
F.Chạy từ mã nguồn (cho lập trình viên)
Dùng cách này nếu bạn muốn sửa code. Bạn cần có bun và Python từ 3.11 trở lên. Mở terminal ở thư mục bạn muốn đặt dự án:
git clone https://github.com/debpalash/VoiceStudio.git
cd VoiceStudio
bun run devTheo README, bun run dev cài các thư viện JavaScript và, khi dùng backend cục bộ được hỗ trợ, cả thư viện Python, rồi mới mở Electron. Nếu chỉ cần dựng lại môi trường Python, chạy bun run setup:api. Lần chạy đầu có thể lâu, bạn cứ để máy làm.
G.Các lựa chọn cài khác
Bộ cài một lệnh còn nhận thêm tham số. Cài đúng một phiên bản, dựng bản main mới nhất, hoặc gỡ app (giữ lại dữ liệu của bạn):
curl -fsSL https://voicestudio.sh/install | sh -s -- --version X.Y.Z # a specific release
curl -fsSL https://voicestudio.sh/install | sh -s -- --main # build current main
curl -fsSL https://voicestudio.sh/install | sh -s -- --uninstall # remove the app, keep your dataThay X.Y.Z bằng số phiên bản thật bạn muốn. Nếu không vào được voicestudio.sh, README chỉ chạy thẳng script từ repo:
curl -fsSL https://raw.githubusercontent.com/debpalash/VoiceStudio/main/scripts/install.sh | shNếu bạn đang dùng một trợ lý lập trình như Claude Code, Codex hay Cursor, README gợi ý dán đoạn này để nó cài và kiểm tra giúp:
Install the VoiceStudio app on this device and verify it works, following
https://github.com/debpalash/VoiceStudio/blob/main/docs/install/agent.mdRepo cũng có sẵn "skill" cho trợ lý lập trình, cài bằng lệnh sau. README mô tả voicestudio dùng cho việc làm âm thanh còn voicestudio-maintainer dành cho việc bảo trì repo:
npx skills add debpalash/VoiceStudioNếu bạn dùng bản app cũ 0.5.3 trở xuống (bản Tauri), README dặn hãy cài app mới riêng, không cài đè.
IV.Kiểm tra đã chạy được chưa
Theo README, cách thử nhanh nhất là mở app, vào mục Voice cloning, chọn một giọng có sẵn hoặc thêm một bản ghi âm tham chiếu sạch, gõ vài câu rồi bấm tạo. Lần đầu app sẽ hỏi trước khi tải mô hình. Bạn đồng ý, chờ tải xong, rồi nghe thử kết quả. Nếu nghe được giọng đọc đúng câu bạn gõ thì coi như đã cài thành công.
Với Docker, dấu hiệu thành công là mở được http://localhost:3900 và đăng nhập được bằng khoá API đã in ra. Với bản cài một lệnh trên macOS hay Linux, nếu bạn muốn chắc hơn, README có sẵn đoạn nhờ trợ lý lập trình cài và tự kiểm tra, như đã nêu ở trên.
V.Dùng vào việc thật
A.Chủ shop làm giọng đọc cho video bán hàng
Chị Lan bán đồ gia dụng online, mỗi tuần cần chục video ngắn nhưng không muốn tự thu âm từng lần. Chị thu một đoạn giọng của mình thật sạch, ít tạp âm, rồi thêm vào mục Voice cloning làm giọng tham chiếu. Sau đó chị dán kịch bản từng video vào ô văn bản và bấm tạo. Kết quả là các file lời đọc có cùng một giọng, dùng ghép vào video. Nhớ rằng README chỉ cho phép nhân bản giọng khi có sự đồng ý của chủ giọng. Với giọng của chính mình thì bạn yên tâm.
Bạn đưa một đoạn ghi âm sạch, gõ chữ, bấm tạo. Mọi thứ diễn ra ngay trên máy bạn.
Ông T
B.Làm bản lồng tiếng cho video giới thiệu
Anh Hùng có một video hướng dẫn sử dụng sản phẩm bằng tiếng Anh và muốn có bản tiếng Việt. Anh dùng tính năng Video dubbing: nạp video, chọn ngôn ngữ đích, để app dịch và tạo giọng lồng tiếng canh theo nhịp video gốc. Nếu video có nhiều người nói, README có hướng dẫn riêng về lồng tiếng nhiều giọng (multi-speaker dubbing) và cách xuất bản lồng tiếng (exporting dubs) trong phần tài liệu. Anh nên nghe lại toàn bộ bản dịch và sửa những chỗ chưa tự nhiên trước khi đăng.
C.Gỡ băng cuộc họp và ghi chú bằng giọng nói
Chị Mai là nhân viên hành chính, mỗi tuần có vài cuộc họp ghi âm. Chị dùng chức năng chép lời cục bộ để biến file ghi âm thành văn bản, và dùng widget chính tả nổi khi cần gõ nhanh bằng giọng. Vì chạy trên máy, chị không phải tải file họp nội bộ lên dịch vụ bên ngoài. Chị chọn engine nhận dạng giọng nói trong Model Manager sao cho hợp với ngôn ngữ cuộc họp.
D.Lập trình viên nối VoiceStudio vào quy trình riêng
Một bạn dev muốn tự động hoá việc đọc báo cáo mỗi sáng thành file âm thanh. Bạn ấy chạy VoiceStudio bằng Docker trên máy chủ nội bộ như phần trên, rồi dùng API cục bộ, CLI hoặc MCP mà README liệt kê, kèm "recipe" và watch folder để thả file vào là có kết quả. Chi tiết cách gọi API và CLI nằm trong tài liệu Integrations của repo, bạn nên đọc ở đó vì bài này không chép lại các lệnh cụ thể.
VI.Lỗi hay gặp và cách xử lý
A.macOS báo "VoiceStudio is damaged and can't be opened"
README giải thích đây là do Gatekeeper chặn app, không phải file tải về bị hỏng. Bạn không cần tải lại. Hãy xem mục "Gatekeeper fix" trong tài liệu cài đặt macOS của repo và làm theo. Đừng chạy những lệnh hạ bảo mật mà bạn chưa hiểu.
B.Không vào được voicestudio.sh
Nếu lệnh curl bị lỗi vì trang không truy cập được, dùng đường dẫn thay thế ngay từ repo (script scripts/install.sh trên GitHub), như đã ghi ở phần cài đặt. Nếu vẫn không được, tải bộ cài trực tiếp ở trang release.
C.Bản Snap không thu âm được
Bản Snap mặc định chưa có quyền micro. Chạy lệnh sudo snap connect voicestudio:audio-record rồi mở lại app.
D.Chạy chậm, hoặc máy có GPU AMD nhưng không dùng được
Không có GPU thì app vẫn chạy trên CPU, chỉ là chậm hơn. Với AMD trên Windows, README nói hỗ trợ ROCm còn thử nghiệm và chỉ giới hạn ở một số card dòng RX 6000 (RDNA 2). Card RX 6500 XT bị loại trừ. Nếu card của bạn không nằm trong danh sách, hãy dùng CPU, hoặc dùng engine GGUF có Vulkan trên Windows và Linux, vì README ghi Vulkan hỗ trợ GPU AMD, Intel và NVIDIA cho một số engine như OmniVoice và CosyVoice.
E.Quên khoá API khi chạy Docker
Khoá chỉ được in một lần ở cuối lệnh. Nếu bạn quên, hãy tạo lại: chạy lệnh Docker từ đầu với một khoá mới. Lần sau, chép khoá vào chỗ an toàn ngay khi nó hiện ra. Với các lỗi cài đặt hoặc tải mô hình khác, README trỏ tới mục Troubleshooting và Model downloads trong thư mục docs của repo.
VII.Có nên dùng không
Điểm mạnh. Chạy cục bộ, miễn phí, không cần tài khoản, gom nhiều việc (clone giọng, lồng tiếng, chép lời, sách nói) vào một app. Cài dễ trên Windows, macOS và Linux, có cả Docker và bản điện thoại. Hỗ trợ 646 ngôn ngữ và có nhiều engine để chọn.
Giới hạn. Tốc độ phụ thuộc phần cứng, chạy CPU sẽ chậm. Bản điện thoại mới ở mức Preview, Windows on ARM và Mac Intel chỉ hỗ trợ hạn chế. Hỗ trợ AMD ROCm trên Windows còn thử nghiệm. Tư liệu cũng chưa cho biết yêu cầu RAM hay ổ cứng cụ thể.
Giấy phép và trách nhiệm. Ứng dụng dùng giấy phép AGPL-3.0, còn mô hình, giọng và đầu ra có giấy phép riêng, Model Manager hiển thị giấy phép của từng mô hình. Nếu bạn làm việc thương mại, hãy đọc kỹ LICENSE-NOTICE.md và điều khoản từng mô hình trước khi dùng. README cũng cấm dùng để giả mạo giọng, lừa đảo hay việc trái pháp luật. Chỉ nhân bản giọng khi có sự đồng ý của chủ giọng.
Khi nào nên chọn cách khác? Nếu máy bạn quá yếu và cần xử lý rất nhiều việc mỗi ngày, hoặc muốn dịch vụ lưu trữ sẵn không cần cài, thì dịch vụ đám mây phù hợp hơn. VoiceStudio Cloud của chính dự án còn ghi là chưa ra mắt. Còn nếu bạn muốn dữ liệu ở lại trên máy mình và không muốn trả phí hàng tháng, VoiceStudio đáng để thử.
Câu hỏi thường gặp
VoiceStudio có miễn phí không?
Có. README ghi rằng bản app chạy trên phần cứng của bạn, miễn phí và không cần tài khoản. VoiceStudio Pro và Cloud là hai gói tuỳ chọn, còn Cloud ghi là sắp ra mắt.
Tôi có cần GPU không?
Không bắt buộc. README nói app dùng được hoàn toàn trên CPU, chỉ chậm hơn. Nếu có GPU NVIDIA (CUDA) thì tốt hơn, và một số engine GGUF còn dùng được Vulkan trên GPU AMD, Intel và NVIDIA.
VoiceStudio chạy trên Windows được không?
Được. README hỗ trợ Windows 10/11 x64, cài bằng một lệnh PowerShell hoặc bộ cài .exe. Dùng được với NVIDIA CUDA, CPU, hoặc AMD ROCm (phải bật riêng, đang thử nghiệm). Windows on ARM mới ở mức thử nghiệm.
Dữ liệu và giọng của tôi có an toàn không?
README mô tả app chạy cục bộ trên thiết bị của bạn, và mô hình chỉ tải khi bạn đồng ý. Tài liệu bài này dựa vào chưa có thông tin chi tiết hơn về bảo mật. Riêng khi chạy Docker, README dặn mở cổng chỉ cho 127.0.0.1 và dùng khoá API riêng.
Tôi có thể nhân bản giọng của người khác không?
Chỉ khi có sự đồng ý của chủ giọng. README cấm dùng để mạo danh, lừa đảo hay việc trái pháp luật, và nhà phát triển không chịu trách nhiệm với việc lạm dụng.
Dùng thương mại có được không?
Ứng dụng theo giấy phép AGPL-3.0, README nói bao gồm cả dùng thương mại theo điều khoản của giấy phép đó. Mô hình, giọng và đầu ra có giấy phép riêng, hiển thị trong Model Manager, nên bạn cần kiểm tra từng mô hình. Gói Pro có giấy phép thương mại riêng cho việc làm cho khách.
Có bản cho điện thoại không?
Có, ở mức Preview. Android 10 trở lên và iPhone/iPad iOS 17 trở lên đều chạy trên máy và ngoại tuyến sau khi tải mô hình. Cách cài nằm trong phần tài liệu điện thoại của repo.


