VoiceStudio: tạo giọng nói AI chạy ngay 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 mã nguồn mở, chạy hoàn toàn trên thiết bị của bạn, thay thế ElevenLabs cho các việc như nhân bản giọng, thiết kế giọng, lồng tiếng video, đọc chính tả, chép lời và tạo sách nói. Có bộ cài cho Windows, macOS, Linux, Docker, Android và iPhone. Với người mới, cài khá dễ vì chỉ cần dán một lệnh hoặc tải bộ cài; không có GPU vẫn chạy được trên CPU nhưng chậm hơn.
VoiceStudio là một ứng dụng "xưởng giọng nói" bằng AI, mã nguồn mở, chạy hoàn toàn trên máy của bạn thay vì gửi dữ liệu lên đám mây. Nó làm được nhiều việc: nhân bản giọng từ một đoạn ghi âm mẫu, mô tả bằng chữ để tạo ra một giọng mới, lồng tiếng video sang ngôn ngữ khác, đọc chính tả, chép lời và đọc sách nói. Tác giả giới thiệu nó là bản thay thế ElevenLabs chạy cục bộ, hỗ trợ 646 ngôn ngữ.
Nếu bạn làm nội dung, bán hàng online, làm đào tạo nội bộ, hay đơn giản là cần biến chữ thành giọng đọc và biến giọng nói thành chữ, đây là bộ công cụ đáng thử. Bạn không phải trả phí theo số ký tự, không cần tạo tài khoản. Theo README, toàn bộ phần ứng dụng miễn phí, chạy trên phần cứng của bạn và không cần tài khoản.
Điểm đáng giá nhất là sự trọn gói và dễ cài. Cùng một ứng dụng có cả giọng nói, lồng tiếng, chép lời và cả giao diện cho máy tính lẫn điện thoại. Repo hiện có khoảng 109.356 sao và 12.116 fork, giấy phép AGPL-3.0, và vẫn được cập nhật trong 3 tháng gần đây. Bạn có thể xem video ngắn bên dưới để thấy giao diện trước khi cài.
debpalash/VoiceStudio
VoiceStudio là xưởng giọng nói AI mã nguồn mở chạy ngay trên máy: nhân bản giọng, lồng tiếng video, chép lời, đọc sách nói, hỗ trợ 646 ngôn ngữ.
I.VoiceStudio làm được gì
Trang giới thiệu của dự án chia khả năng thành mấy nhóm chính. Mình giải thích theo cách bạn sẽ dùng thật.
A.Nhân bản giọng (Voice cloning)
Bạn đưa vào một đoạn ghi âm sạch của một giọng nói, gõ văn bản, và app đọc văn bản đó bằng giọng ấy. Lợi ích: một người thật thu âm một lần, sau đó bạn có thể tạo nhiều đoạn đọc mà không phải thu lại. README nhấn mạnh chỉ nên nhân bản giọng khi có sự cho phép của chủ giọng.
B.Thiết kế giọng (Voice design)
Bạn mô tả một giọng bằng lời rồi để app tạo ra. Cách này hợp khi bạn không có ai để thu mẫu mà vẫn cần một giọng đọc riêng cho kênh hay sản phẩm.
C.Lồng tiếng video (Video dubbing)
App dịch và lồng tiếng video, với giọng nói được canh theo thời gian của bản gốc. Tài liệu còn có các hướng dẫn riêng về lồng tiếng nhiều người nói và xuất bản đã lồng.
D.Đọc chính tả và chép lời
Có một widget đọc chính tả nổi trên màn hình và chức năng chép lời chạy cục bộ. Hợp cho việc ghi biên bản họp hoặc chuyển bài giảng thành văn bản.
E.Kể chuyện, sách nói và hàng đợi
Bạn có thể tạo truyện, sách nói, và xếp nhiều việc vào hàng đợi để máy chạy dần.
F.Kết nối và tự động hoá
App có API cục bộ, MCP, "công thức" dùng lại được (recipes) và thư mục theo dõi (watch folders). Repo còn có thư mục cli/ và các kỹ năng cho agent lập trình. Với người làm kỹ thuật, đây là cách gắn giọng nói AI vào quy trình có sẵn.
G.Chọn engine, chỉ tải mô hình cần dùng
Mặc định là engine VoiceStudio chạy trên k2-fsa/OmniVoice. Trong Model Manager, bạn có thể chọn nhiều engine khác và chỉ tải các mô hình mình cần. README cho biết app luôn hỏi trước khi tải bất kỳ mô hình nào.
II.Cần chuẩn bị gì
Tuỳ cách cài, yêu cầu khác nhau. Theo README:
- macOS: macOS 13.3 trở lên, chip Apple Silicon (chạy engine cục bộ bằng Metal/MPS). Mac Intel chỉ ở mức hạn chế: giao diện chạy được nhưng phải kết nối tới backend VoiceStudio ở máy khác.
- Windows: Windows 10/11 bản x64. Có thể dùng NVIDIA CUDA, AMD ROCm (tuỳ chọn, thử nghiệm) hoặc chỉ CPU. Windows on ARM ở mức thử nghiệm.
- Linux: bản x64, dùng NVIDIA CUDA, CPU, hoặc Vulkan cho một số engine GGUF.
- Docker: có ảnh cho CPU, NVIDIA CUDA và AMD ROCm.
- Android: Android 10 trở lên, bản xem trước (Preview). iPhone/iPad: iOS/iPadOS 17 trở lên, cũng là bản xem trước. Cả hai chạy trên thiết bị và dùng offline sau khi tải mô hình.
- Chạy từ mã nguồn:
pyproject.tomlyêu cầu Python 3.11 trở lên; README dùng lệnhbun run dev.
Không cần tài khoản hay API key cho bản ứng dụng miễn phí. Không có GPU vẫn dùng được trên CPU, chỉ chậm hơn. README không nêu dung lượng ổ đĩa hay RAM tối thiểu, nên mình không đưa con số nào. Mô hình tải về có thể khá nặng, bạn nên kiểm tra dung lượng trống trước khi đồng ý tải.
III.Cài đặt từng bước
- Chọn cách càiChọn theo hệ điều hành: Windows, macOS, Linux, Docker hoặc điện thoại
- Chạy lệnh càiDán một lệnh vào terminal, hoặc tải bộ cài từ trang Releases
- Mở ứng dụngMở VoiceStudio sau khi cài xong
- Đồng ý tải mô hìnhApp hỏi trước khi tải mô hình giọng nói đầu tiên
- Tạo thử một đoạn giọngVào Voice cloning, gõ chữ và bấm tạo
A.Windows: dán một lệnh vào PowerShell
Mở PowerShell (gõ "PowerShell" vào menu Start) và chạy lệnh dưới đây. Lệnh này tải script cài từ trang chủ dự án rồi chạy luôn.
irm https://voicestudio.sh/install.ps1 | iexNếu bạn không thích chạy script, có thể tải bộ cài Windows từ trang Releases của repo rồi chạy như phần mềm bình thường. Chỗ người mới hay vấp: nên tự đọc script trước khi chạy nếu bạn không tin nguồn, vì lệnh irm ... | iex chạy thẳng mã tải về.
B.macOS: Homebrew, DMG hoặc một dòng lệnh
Cách dùng Homebrew, mở Terminal và chạy lần lượt ba dòng:
brew tap debpalash/tap
brew trust --cask debpalash/tap/voicestudio
brew install --cask debpalash/tap/voicestudioBạn cũng có thể tải file DMG cho Mac của mình, mở ra rồi kéo VoiceStudio vào thư mục Applications. Hoặc dùng bộ cài một lệnh:
curl -fsSL https://voicestudio.sh/install | shNếu macOS báo "VoiceStudio is damaged and can't be opened", đó là Gatekeeper chặn app chứ file tải không hỏng. README có trang hướng dẫn riêng cho lỗi này (xem mục lỗi bên dưới).
C.Linux: nhiều lựa chọn
Cách nhanh nhất là bộ cài một lệnh, giống macOS:
curl -fsSL https://voicestudio.sh/install | shNếu bạn dùng Ubuntu, Debian hoặc Linux Mint, tải file .deb về thư mục hiện tại rồi cài:
sudo apt install ./VoiceStudio-*-linux-x64.debVới Snap (Ubuntu, Fedora, openSUSE...):
sudo snap install voicestudioĐể cho phép app dùng micro khi cài bằng Snap:
sudo snap connect voicestudio:audio-recordVới Arch, Manjaro, EndeavourOS:
yay -S voicestudio-binCòn AppImage chạy được trên mọi bản Linux: tải file về, cấp quyền chạy rồi mở.
chmod +x VoiceStudio-*-linux-x64.AppImage
./VoiceStudio-*-linux-x64.AppImageNix/NixOS cũng có hướng dẫn riêng trong README (chạy từ mã nguồn bằng nix develop .#fhs).
D.Docker: chạy trên CPU
Cách này hợp với máy chủ hoặc khi bạn muốn tách backend ra máy khác. Dùng Bash, mở cổng chỉ cho máy của bạn (127.0.0.1) và tạo một API key ngẫu nhiên:
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"Sau đó mở http://localhost:3900 và nhập API key vừa in ra. Hướng dẫn cho NVIDIA, AMD ROCm và Compose nằm trong tài liệu của repo.
Hãy lưu API key ở nơi an toàn và giữ nguyên cổng 127.0.0.1 như trong lệnh mẫu. Nếu mở cổng ra mạng ngoài mà không hiểu rõ, người khác có thể truy cập dịch vụ giọng nói của bạn.
E.Điện thoại: Android và iPhone
Android: tải APK từ trang Releases, hoặc thêm repo vào Obtainium hay một ứng dụng F-Droid. Nếu cài bằng USB:
adb install -r VoiceStudio-*-android.apkiPhone/iPad: tải file IPA rồi làm theo hướng dẫn ký và sideload trong tài liệu. Đây là bản xem trước, nên đừng kỳ vọng ổn định như bản máy tính.
F.Cài từ mã nguồn (cho người làm kỹ thuật)
Nếu bạn muốn chạy từ mã nguồn:
git clone https://github.com/debpalash/VoiceStudio.git
cd VoiceStudio
bun run devTheo README, bun run dev cài các phụ thuộc JavaScript và (khi dùng backend cục bộ được hỗ trợ) cả phụ thuộc Python trước khi mở Electron. Muốn chỉ dựng lại môi trường Python thì chạy bun run setup:api. Bạn phải mở terminal đúng trong thư mục VoiceStudio vừa clone, nếu không lệnh sẽ không tìm thấy dự án.
G.Nhờ coding agent cài giúp
Nếu bạn dùng Claude Code, Codex, Cursor..., có thể dán đoạn này cho agent:
Install the VoiceStudio app on this device and verify it works, following
https://github.com/debpalash/VoiceStudio/blob/main/docs/install/agent.mdH.Các lệnh cài tuỳ chọn
Bộ cài một lệnh có thêm vài cờ, đều có trong README:
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 bạn muốn. Cờ --uninstall gỡ app nhưng giữ lại dữ liệu của bạn.
IV.Kiểm tra đã chạy được chưa
README không đưa ra một lệnh kiểm tra riêng. Cách kiểm tra theo đúng phần "Get started" là: mở app, vào mục Voice cloning, chọn một giọng có sẵn (hoặc thêm một đoạn ghi âm sạch), gõ vài câu và bấm tạo. Nếu nghe được giọng đọc, bạn đã cài thành công.
Lưu ý lần đầu tạo, app sẽ hỏi trước khi tải mô hình. Hãy đồng ý và chờ tải xong. Nếu chạy bằng Docker, dấu hiệu thành công là mở được http://localhost:3900 và đăng nhập được bằng API key đã in ra. Bạn cũng có thể nhờ coding agent "cài và kiểm tra" như mục trên.
V.Dùng vào việc thật
A.Chủ shop làm video giới thiệu sản phẩm
Bạn bán hàng online và cần giọng đọc cho video quảng cáo mà không muốn tự thu âm mỗi lần. Hãy thu một đoạn giọng sạch của chính bạn (hoặc của người đã đồng ý), thêm vào Voice cloning, rồi dán kịch bản vào ô văn bản và bấm tạo. Kết quả là một file âm thanh đọc bằng giọng quen thuộc để ghép vào video. Khi cần sửa kịch bản, bạn chỉ gõ lại chứ không thu lại.
Bộ công cụ giọng nói chạy trên máy mình, không cần tài khoản, là thứ nên có trong tay người làm nội dung.
Ông T
B.Nhân viên văn phòng ghi biên bản họp
Bạn có file ghi âm cuộc họp hoặc bài giảng và cần văn bản. Dùng chức năng chép lời cục bộ của app: nạp file, chạy, rồi chỉnh lại phần văn bản. Vì chạy ngay trên máy, nội dung họp nội bộ không phải gửi lên dịch vụ bên ngoài. Nếu cần soạn nhanh khi đang gõ email, widget đọc chính tả nổi cho phép bạn đọc thay vì gõ.
C.Người làm kênh video lồng tiếng sang ngôn ngữ khác
Bạn có một video hướng dẫn và muốn có bản lồng tiếng cho khán giả nước ngoài. Dùng chức năng Video dubbing: nạp video, chọn ngôn ngữ đích, để app dịch và lồng tiếng với giọng canh theo nhịp gốc. Nếu video có nhiều người nói, đọc hướng dẫn "Multi-speaker dubbing" trong tài liệu. Cuối cùng xuất bản đã lồng theo hướng dẫn "Exporting dubs". Hãy nghe lại toàn bộ trước khi đăng, vì bản dịch tự động có thể cần chỉnh.
D.Dev gắn giọng nói vào quy trình tự động
Bạn là lập trình viên và muốn máy tự xử lý hàng loạt. Repo có API cục bộ, MCP, CLI, công thức dùng lại và thư mục theo dõi. Bạn có thể cài kỹ năng cho agent bằng lệnh sau; repo có skill voicestudio cho việc làm âm thanh và voicestudio-maintainer cho việc bảo trì repo:
npx skills add debpalash/VoiceStudioSau đó agent của bạn biết cách điều khiển VoiceStudio. Chi tiết về API, CLI và MCP nằm trong thư mục tài liệu của repo; README chưa liệt kê endpoint cụ thể nên bạn cần đọc docs trước khi viết code gọi vào.
VI.Lỗi hay gặp và cách xử lý
A.macOS báo app bị "damaged"
Đây là Gatekeeper chặn, không phải file hỏng. README có một trang hướng dẫn riêng "Gatekeeper fix" trong tài liệu. Hãy làm theo đúng trang đó thay vì tự tìm lệnh trên mạng.
B.Không truy cập được voicestudio.sh
Nếu trang chủ không vào được, README cho phép chạy script thẳng từ repo:
curl -fsSL https://raw.githubusercontent.com/debpalash/VoiceStudio/main/scripts/install.sh | shC.Micro không hoạt động khi cài bằng Snap
Snap mặc định hạn chế quyền. Chạy lệnh cấp quyền ghi âm đã nêu ở phần cài đặt: sudo snap connect voicestudio:audio-record.
D.Chạy chậm vì không có GPU
Đây là bình thường. README nói app dùng được hoàn toàn trên CPU, chỉ chậm hơn. Nếu có GPU AMD, Intel hay NVIDIA, một số engine GGUF có thể dùng Vulkan. Bạn có thể xem trang hiệu năng (performance) và Model Manager để chọn engine nhẹ hơn.
E.Nâng cấp từ bản cũ (0.5.3 trở xuống)
Bản cũ dùng Tauri. README yêu cầu cài app mới tách riêng, không cài đè. Nếu gặp lỗi khác, xem mục Troubleshooting và Model downloads trong tài liệu.
VII.Có nên dùng không
Điểm mạnh: miễn phí cho phần ứng dụng, chạy cục bộ, không cần tài khoản, hỗ trợ rất nhiều ngôn ngữ, có đủ bộ cài cho Windows, macOS, Linux, Docker và điện thoại. Việc chỉ tải mô hình khi cần và app hỏi trước khi tải cũng rất dễ chịu.
Giới hạn: chất lượng và tốc độ phụ thuộc phần cứng và engine bạn chọn. Không có GPU thì sẽ chậm. Bản Android và iPhone còn ở mức xem trước, Mac Intel và Windows on ARM bị hạn chế. Giấy phép AGPL-3.0 có điều kiện riêng; mô hình, giọng và sản phẩm đầu ra có giấy phép riêng, Model Manager hiển thị cho từng mô hình. Nếu bạn làm việc thương mại, hãy đọc LICENSE-NOTICE.md. Ngoài ra có bản Pro trả phí (giấy phép thương mại, dùng trên nhiều máy) và bản Cloud, README ghi là sắp ra mắt; bản ứng dụng cục bộ vẫn miễn phí.
Về đạo đức: README cấm dùng để nhân bản giọng trái phép, giả mạo, lừa đảo. Chỉ nhân bản giọng khi chủ giọng đồng ý.
Khi nên chọn cách khác: nếu bạn không có máy đủ mạnh và cần kết quả nhanh ngay, hoặc chỉ cần đọc vài câu thỉnh thoảng, một dịch vụ trực tuyến có thể tiện hơn. Còn nếu bạn muốn tự chủ dữ liệu và làm việc thường xuyên với giọng nói, VoiceStudio đáng để thử.
Câu hỏi thường gặp
VoiceStudio có miễn phí không?
Theo README, ứng dụng VoiceStudio miễn phí, chạy trên phần cứng của bạn và không cần tài khoản. Giấy phép của phần app là AGPL-3.0. Có bản Pro trả phí (có tài khoản, giấy phép thương mại) và bản Cloud sắp ra mắt, nhưng đó là tuỳ chọn.
Có cần GPU không?
Không bắt buộc. README nói app dùng được hoàn toàn trên CPU, chỉ chậm hơn. Nếu có GPU thì có thể dùng NVIDIA CUDA, AMD ROCm (thử nghiệm trên Windows) hoặc Vulkan cho một số engine GGUF.
Chạy được trên Windows không?
Được. Windows 10/11 bản x64 là bản ổn định, cài bằng lệnh PowerShell hoặc tải bộ cài EXE. Windows on ARM ở mức thử nghiệm. Ngoài ra còn có macOS Apple Silicon, Linux x64, Docker, Android và iPhone.
Dữ liệu của tôi có an toàn không?
VoiceStudio được giới thiệu là chạy cục bộ trên thiết bị của bạn, và README nói phần ứng dụng không cần dịch vụ đám mây trả phí. Tư liệu chưa nêu chi tiết về mọi luồng dữ liệu, nên nếu dùng cho việc nhạy cảm bạn nên đọc tài liệu của dự án.
Dùng nhân bản giọng có hợp pháp không?
README yêu cầu chỉ nhân bản giọng khi có sự cho phép của chủ giọng, và cấm dùng cho giả mạo, lừa đảo hay việc trái pháp luật. Bạn cần tự tuân thủ luật địa phương. Mô hình, giọng và sản phẩm đầu ra còn có giấy phép riêng.
VoiceStudio khác gì ElevenLabs?
Tác giả định vị đây là bản thay thế ElevenLabs mã nguồn mở, chạy hoàn toàn cục bộ. Điểm khác nằm ở chỗ bạn tự chạy trên máy mình và không cần tài khoản cho bản miễn phí. Tư liệu chưa có so sánh chi tiết về chất lượng giọng.
Dùng được tiếng Việt không?
Tác giả nói VoiceStudio hỗ trợ 646 ngôn ngữ và README có bản dịch tiếng Việt. Tuy nhiên tư liệu không nêu chất lượng riêng cho tiếng Việt ở từng engine, nên bạn nên thử trực tiếp với engine mặc định.


