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 ngay trên máy của bạn, dùng để nhân bản giọng, tạo giọng từ mô tả, lồng tiếng video, chép lời và làm sách nói với 646 ngôn ngữ. Có bản cho Windows, macOS, Linux, Docker, Android và iPhone/iPad. Cài khá dễ: tải bộ cài hoặc dán một dòng lệnh, không cần tài khoản và không bắt buộc có GPU.
VoiceStudio là một "studio giọng nói AI" mã nguồn mở, chạy hoàn toàn trên thiết bị của bạn. Nó được tác giả mô tả là bản thay thế ElevenLabs chạy cục bộ: nhân bản giọng, thiết kế giọng, lồng tiếng video, đọc chính tả, chép lời và làm sách nói, hỗ trợ 646 ngôn ngữ. Hiện repo có khoảng 108.900 sao và khoảng 12.000 fork.
Nếu bạn từng dùng các dịch vụ giọng nói AI trả phí theo tháng, bạn sẽ hiểu nỗi đau: gửi file lên mạng, tính tiền theo số ký tự, và không chắc dữ liệu đi đâu. VoiceStudio đi hướng ngược lại. Theo README, toàn bộ tính năng chính miễn phí, chạy trên phần cứng của bạn và không cần tài khoản. Phù hợp với chủ shop làm video quảng cáo, nhân viên văn phòng cần chép lời cuộc họp, người làm nội dung, và lập trình viên muốn gắn giọng nói vào công cụ của mình.
Điểm đáng giá nhất là bạn chỉ cần một bộ cài như app bình thường, không phải tự dựng môi trường Python phức tạp. Không có GPU vẫn dùng được, chỉ chậm hơn. Mình sẽ dẫn bạn từ cài đặt đến việc dùng thật, theo đúng những gì README ghi. Bạn có thể xem video ngắn bên dưới để thấy giao diện trước khi cài.
debpalash/VoiceStudio
App mã nguồn mở chạy hoàn toàn trên máy bạn: nhân bản giọng, thiết kế giọng, lồng tiếng video, chép lời và làm sách nói, thay thế ElevenLabs.
I.VoiceStudio làm được gì
README chia khả năng của app thành mấy nhóm chính. Mình diễn giải theo lợi ích thực tế:
- Nhân bản giọng (voice cloning): bạn đưa một đoạn ghi âm tham chiếu sạch, app tạo ra giọng đọc nghe quen thuộc từ đoạn đó. Hữu ích khi bạn muốn video của mình luôn có cùng một giọng thuyết minh mà không phải thu âm lại mỗi lần.
- Lồng tiếng video (video dubbing): dịch video sang ngôn ngữ khác và lồng tiếng sao cho khớp thời gian với bản gốc. README còn có hướng dẫn riêng cho lồng tiếng nhiều người nói và xuất bản lồng tiếng.
- Thiết kế giọng (voice design): bạn mô tả giọng bằng lời rồi để app tạo ra. Không có sẵn mẫu thu âm thì đây là lối đi nhanh.
- Model chạy cục bộ: bạn tự chọn engine và chỉ tải những model cần dùng. Mặc định là VoiceStudio (chạy trên nền k2-fsa/OmniVoice), ngoài ra có hàng chục engine khác trong Model Manager.
- Đọc chính tả và chép lời: có widget đọc chính tả nổi trên màn hình và chép lời (transcription) chạy cục bộ.
- Đọc truyện, sách nói và xử lý hàng loạt: làm truyện, sách nói, và xếp hàng nhiều việc để app chạy lần lượt.
- Kết nối và tự động hoá: có API cục bộ, MCP, "recipe" dùng lại được và thư mục theo dõi (watch folder). README cũng có mục CLI và ví dụ cho nhóm này.
Ngoài bản miễn phí, tác giả có hai gói tuỳ chọn. VoiceStudio Pro là bản đóng mã nguồn, cần tài khoản, dành cho người làm việc thương mại trên nhiều máy. VoiceStudio Cloud là API giọng nói trên đám mây, README ghi là sắp ra mắt. Bài này chỉ nói về bản miễn phí chạy trên máy bạn.
II.Cần chuẩn bị gì
Tuỳ bạn cài trên thiết bị nào, README ghi các yêu cầu sau:
- macOS: macOS 13.3 trở lên, chip Apple Silicon (chạy engine cục bộ bằng Metal/MPS). Mac Intel chỉ chạy được giao diện và phải nối tới một backend VoiceStudio ở máy khác, README ghi là giới hạn.
- Windows: Windows 10/11 x64. Hỗ trợ NVIDIA CUDA, AMD ROCm (tuỳ chọn bật) hoặc chỉ CPU. Windows on ARM đang ở mức thử nghiệm.
- Linux: x64, hỗ trợ NVIDIA CUDA, CPU, và Vulkan cho các engine GGUF được hỗ trợ.
- Docker: có image cho CPU, NVIDIA CUDA và AMD ROCm. Lệnh mẫu của README dùng
opensslđể tạo API key. - Android: Android 10 trở lên, bản xem trước (preview), chạy trên máy và dùng offline sau khi tải model.
- iPhone/iPad: iOS/iPadOS 17 trở lên, bản xem trước, cài bằng sideload.
- Chạy từ mã nguồn:
pyproject.tomlyêu cầu Python từ 3.11 trở lên, và README dùng lệnhbun.
Về phần cứng: README nói rõ không có GPU thì app vẫn dùng đầy đủ trên CPU, chỉ chậm hơn. Bạn không cần tài khoản hay API key để dùng app (trừ khóa tự tạo khi chạy Docker). Mình không thấy README ghi yêu cầu cụ thể về RAM hay dung lượng ổ đĩa, nên bạn xem thêm mục Troubleshooting và Model downloads trong tài liệu của dự án.
App tự hỏi trước khi tải model. Model, giọng và âm thanh tạo ra có giấy phép riêng, Model Manager hiển thị giấy phép của từng model. Chỉ nhân bản giọng của người khác khi có sự cho phép của chủ giọng.
III.Cài đặt từng bước
Cách dễ nhất là dùng bộ cài theo hệ điều hành của bạn. Mình tóm tắt trước:
- Chọn hệ điều hànhXác định bạn dùng Windows, macOS, Linux, Docker hay điện thoại
- Cài appChạy một dòng lệnh hoặc tải bộ cài từ trang Releases
- Mở appKhởi động VoiceStudio sau khi cài xong
- Tải modelĐồng ý để app tải model khi nó hỏi
- Tạo thử một câuVào Voice cloning, nhập chữ và bấm tạo
A.Cài trên Windows
Mở PowerShell (gõ "PowerShell" vào menu Start), rồi dán lệnh sau và nhấn Enter. Lệnh này tải script cài đặt từ trang của dự án và chạy luôn:
irm https://voicestudio.sh/install.ps1 | iexNếu bạn không thích chạy script từ mạng, README có nút tải bộ cài Windows (file EXE) ở trang Releases mới nhất của repo. Tải về, mở lên và làm theo hướng dẫn như cài phần mềm thông thường.
B.Cài trên macOS
Có ba cách, bạn chọn một. Cách thứ nhất dùng Homebrew. Mở ứng dụng Terminal và chạy lần lượt ba lệnh (lệnh đầu thêm kho của tác giả, lệnh sau cài app):
brew tap debpalash/tap
brew trust --cask debpalash/tap/voicestudio
brew install --cask debpalash/tap/voicestudioCách thứ hai là tải file DMG ở trang Releases, mở ra và kéo VoiceStudio vào thư mục Applications. Cách thứ ba là dùng bộ cài một lệnh (xem phần Linux bên dưới, lệnh giống nhau).
Chỗ người mới hay vấp: nếu macOS báo "VoiceStudio is damaged and can't be opened", README giải thích đó là Gatekeeper chặn app chứ file tải không hỏng. Cách xử lý nằm ở mục Gatekeeper fix trong tài liệu của dự án.
C.Cài trên Linux
Cách nhanh nhất là bộ cài một lệnh, chạy trong terminal:
curl -fsSL https://voicestudio.sh/install | shREADME còn có nhiều cách khác theo từng bản phân phối. Với Ubuntu, Debian, Linux Mint, tải file .deb vào thư mục hiện tại rồi cài:
sudo apt install ./VoiceStudio-*-linux-x64.debVới Snap (Ubuntu, Fedora, openSUSE…), sau khi đã cài snapd:
sudo snap install voicestudioSnap mặc định chưa cho dùng micro. Muốn đọc chính tả bằng giọng nói, chạy thêm:
sudo snap connect voicestudio:audio-recordVới bản Linux bất kỳ, dùng AppImage: tải file về thư mục hiện tại, cấp quyền chạy rồi mở:
chmod +x VoiceStudio-*-linux-x64.AppImage
./VoiceStudio-*-linux-x64.AppImageNgười dùng Arch, Manjaro, EndeavourOS có thể cài bằng yay -S voicestudio-bin (hoặc paru -S voicestudio-bin). README cũng có cách cho Nix/NixOS, bạn xem trong mục Linux của README.
D.Chạy bằng Docker
Cách này hợp với máy chủ hoặc khi bạn muốn truy cập qua trình duyệt. Lệnh sau (Bash) tạo API key ngẫu nhiên, chạy container trên CPU và in key ra cuối cùng:
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 trình duyệt vào http://localhost:3900 và dùng API key vừa được in ra. Hãy chép key lại ngay vì nó chỉ hiện ở bước này. Bản NVIDIA, AMD ROCm và Docker Compose có hướng dẫn riêng trong README.
E.Cài trên điện thoại (bản xem trước)
Android 10+ có thể tải file APK ở trang Releases, hoặc thêm kho F-Droid hay nguồn Obtainium của dự án. Nếu cài qua cáp USB bằng adb:
adb install -r VoiceStudio-*-android.apkiPhone/iPad (iOS 17+) cần tải file IPA và làm theo hướng dẫn ký và sideload trong tài liệu. Cả hai nền tảng đều ở mức preview.
F.Chạy từ mã nguồn (cho lập trình viên)
Bạn cần có Bun cài sẵn. Mở terminal, chạy:
git clone https://github.com/debpalash/VoiceStudio.git
cd VoiceStudio
bun run devTheo README, bun run dev cài các gói JavaScript và, nếu dùng backend cục bộ được hỗ trợ, cài cả gói Python trước khi mở Electron. Nếu chỉ cần dựng lại môi trường Python, chạy bun run setup:api. README cũng có cách nhờ một trợ lý lập trình (Claude Code, Codex, Cursor…) cài giúp, bằng cách dán đoạn yêu cầu trỏ tới tài liệu cài đặt cho agent trong repo.
IV.Kiểm tra đã chạy được chưa
README không đưa ra một lệnh "kiểm tra phiên bản" nào, nên cách kiểm tra đơn giản nhất là dùng thử đúng theo phần Get started của họ:
- Mở app VoiceStudio (hoặc vào
http://localhost:3900nếu dùng Docker, nhập API key). - Chọn mục Voice cloning.
- Chọn một giọng có sẵn, hoặc thêm một đoạn ghi âm tham chiếu sạch.
- Gõ vài câu và bấm tạo.
- Khi app hỏi có tải model không, bạn đồng ý để nó tải.
Nếu nghe được giọng đọc phát ra từ câu bạn gõ, tức là cài thành công. Lần đầu có thể chờ lâu vì phải tải model. Nếu muốn cài lại cho sạch, bộ cài một lệnh có tuỳ chọn gỡ app mà giữ nguyên dữ liệu của bạn:
curl -fsSL https://voicestudio.sh/install | sh -s -- --uninstallV.Dùng vào việc thật
Các tình huống dưới đây bám đúng những gì README nói app làm được. Giao diện cụ thể từng màn hình mình không mô tả chi tiết vì README không ghi, bạn cứ làm theo tên mục trong app.
A.Chủ shop làm giọng thuyết minh cho video bán hàng
Bạn bán đồ gia dụng, mỗi tuần ra vài video ngắn và ngại thu âm trong căn phòng ồn. Hãy thu một đoạn giọng của chính bạn ở nơi yên tĩnh, rõ tiếng. Mở Voice cloning, thêm đoạn đó làm tham chiếu, dán kịch bản video vào rồi bấm tạo. Kết quả là file giọng đọc nghe giống bạn, dùng đi dùng lại cho mọi video mà không phải thu lại.
Nếu chưa muốn dùng giọng thật, thử Voice design: mô tả bằng lời kiểu "giọng nữ ấm, tốc độ vừa phải, thân thiện" và để app tạo. Đây chỉ là ví dụ mô tả của mình, bạn thử nhiều cách diễn đạt để ra giọng ưng ý.
Giọng nói là thứ tốn công nhất khi làm video, và VoiceStudio cho bạn làm nó ngay trên máy mình, không phải gửi file đi đâu.
Ông T
B.Nhân viên văn phòng chép lời cuộc họp và ghi chú bằng giọng nói
Bạn có file ghi âm họp nhóm và cần biên bản. Dùng tính năng chép lời cục bộ để biến âm thanh thành văn bản, rồi chỉnh lại những chỗ nhận sai. Vì chạy trên máy, nội dung họp nội bộ không phải đưa lên dịch vụ ngoài. Ngoài ra widget đọc chính tả nổi cho phép bạn nói để nhập chữ thay vì gõ. Nếu máy không có GPU, mọi thứ vẫn chạy trên CPU nhưng sẽ chậm hơn với file dài.
C.Người làm nội dung lồng tiếng video sang ngôn ngữ khác
Bạn có một video hướng dẫn bằng tiếng Việt và muốn thêm bản cho khán giả nước ngoài. Dùng tính năng video dubbing: app dịch lời và lồng tiếng sao cho khớp nhịp với video gốc. Nếu video có nhiều người nói, xem hướng dẫn "Multi-speaker dubbing" trong tài liệu, và muốn xuất file thành phẩm thì xem "Exporting dubs". Hãy luôn nghe lại và sửa bản dịch trước khi đăng, vì dịch tự động có thể sai ngữ cảnh.
D.Lập trình viên gắn giọng nói vào quy trình tự động
Bạn muốn tự động hoá, ví dụ cho một tác tử AI "nói" ra kết quả hoặc tạo hàng loạt file âm thanh. README liệt kê API cục bộ, MCP, CLI, recipe và watch folder. Nếu dùng trợ lý lập trình, README có sẵn lệnh cài "skill" để agent biết cách làm việc âm thanh với VoiceStudio:
npx skills add debpalash/VoiceStudioTheo README, có hai skill: voicestudio dành cho công việc âm thanh và voicestudio-maintainer dành cho việc bảo trì repo. Chi tiết các lệnh CLI và điểm cuối API nằm ở mục Integrations (CLI, Local API, MCP, Examples) trong tài liệu, mình không tự đoán ở đây.
VI.Lỗi hay gặp và cách xử lý
A.macOS báo app "damaged" và không mở được
Đây là Gatekeeper chặn, README nói rõ file tải không hỏng. Đừng tải lại vô ích, hãy làm theo mục Gatekeeper fix trong tài liệu của dự án.
B.Không tải được script cài đặt
Nếu trang voicestudio.sh không truy cập được, README cho cách chạy script thẳng từ repo:
curl -fsSL https://raw.githubusercontent.com/debpalash/VoiceStudio/main/scripts/install.sh | shLuôn nên đọc qua nội dung script trước khi chạy nếu bạn không quen, vì lệnh dạng curl ... | sh chạy thẳng mã tải từ mạng.
C.Dùng micro trên Snap không được
Bản Snap mặc định chưa được cấp quyền thu âm. Chạy lệnh sudo snap connect voicestudio:audio-record như ở phần cài đặt Linux, rồi mở lại app.
D.Tạo giọng rất chậm
Nếu máy không có GPU, app chạy bằng CPU và sẽ chậm hơn, README đã nói thẳng điều này. Với một số GPU, engine GGUF có thể dùng Vulkan (AMD, Intel, NVIDIA). Mục Performance trong tài liệu có bảng tốc độ theo engine và phần cứng để bạn chọn cấu hình hợp lý.
E.Docker: quên API key hoặc không mở được trang
Key chỉ được in một lần ở cuối lệnh. Nếu quên, bạn cần chạy lại container với key mới. Lệnh mẫu chỉ mở cổng 3900 trên 127.0.0.1, nghĩa là chỉ truy cập được từ chính máy chạy Docker. Muốn truy cập từ máy khác, hãy đọc kỹ hướng dẫn Docker của dự án trước khi mở cổng ra ngoài mạng, vì có API key bảo vệ.
VII.Có nên dùng không
Điểm mạnh. Miễn phí, mã nguồn mở, chạy trên máy bạn nên dữ liệu âm thanh không bắt buộc phải rời máy. Một app gom nhiều việc: nhân bản giọng, thiết kế giọng, lồng tiếng, chép lời, sách nói. Có bản cho nhiều hệ điều hành và Docker, kèm API, CLI, MCP cho người muốn tự động hoá. Repo cũng đang được cập nhật đều.
Giới hạn. Chạy bằng CPU thì chậm. Bản Mac Intel chỉ chạy giao diện và cần backend ở máy khác. Windows ARM, Android và iOS còn ở mức thử nghiệm hoặc xem trước. Chạy AMD ROCm trên Windows là thiết lập thử nghiệm, chỉ hỗ trợ một số card RDNA 2 nhất định. Mình chưa có thông tin về chất lượng giọng tiếng Việt cụ thể, bạn nên tự thử với vài câu mẫu trước khi dùng cho dự án thật.
Giấy phép và đạo đức. App theo giấy phép AGPL-3.0, bao gồm cả dùng thương mại theo điều khoản của nó. Còn model, giọng và âm thanh tạo ra có giấy phép riêng, nên kiểm tra trong Model Manager. Tác giả cấm dùng vào việc nhân bản giọng trái phép, mạo danh, lừa đảo. Hãy chỉ nhân bản giọng khi có sự đồng ý của chủ giọng.
Khi nào chọn cách khác. Nếu máy yếu mà cần xử lý khối lượng lớn, hoặc muốn một API dùng ngay không cần cài, thì dịch vụ đám mây có thể hợp hơn. VoiceStudio Cloud của chính tác giả vẫn chưa ra mắt theo README. Còn nếu bạn muốn thử, hãy bắt đầu bằng bản cài đơn giản nhất cho hệ điều hành của mình và tạo thử một câu.
Câu hỏi thường gặp
VoiceStudio có miễn phí không?
Theo README, ứng dụng chạy trên máy bạn là miễn phí, không cần tài khoản, theo giấy phép AGPL-3.0. Bản Pro (đóng mã nguồn, cần tài khoản) và Cloud (chưa ra mắt) là lựa chọn tuỳ chọn. Model, giọng và âm thanh tạo ra có giấy phép riêng.
Có cần GPU không?
Không bắt buộc. README ghi rõ app dùng đầy đủ được trên CPU, chỉ chậm hơn. Nếu có GPU thì có thể dùng NVIDIA CUDA, AMD ROCm (tuỳ chọn trên Windows), Metal trên Apple Silicon, hoặc Vulkan cho một số engine GGUF.
VoiceStudio chạy được trên Windows không?
Có. Bản ổn định hỗ trợ Windows 10/11 x64. Bạn cài bằng một dòng lệnh PowerShell hoặc tải file EXE ở trang Releases. Windows on ARM đang ở mức thử nghiệm.
Dữ liệu của tôi có an toàn không?
README nhấn mạnh app chạy cục bộ trên thiết bị của bạn và không cần cloud trả phí. Ngoài ra app hỏi trước khi tải model. Tài liệu không nói chi tiết hơn về bảo mật, nên nếu cần dùng cho dữ liệu nhạy cảm, bạn nên tự kiểm tra thêm.
VoiceStudio khác gì ElevenLabs?
Tác giả mô tả đây là bản thay thế mã nguồn mở, chạy hoàn toàn trên máy bạn, còn ElevenLabs là dịch vụ trực tuyến. VoiceStudio có nhiều tính năng tương tự như nhân bản giọng, thiết kế giọng, lồng tiếng. README không có so sánh chất lượng trực tiếp, nên chưa có thông tin để kết luận bên nào tốt hơn.
Có dùng được trên điện thoại không?
Có bản xem trước cho Android 10+ (APK, F-Droid, Obtainium) và iPhone/iPad iOS 17+ (IPA, sideload). Cả hai chạy trên máy và dùng offline sau khi tải model, nhưng đều ở mức preview.
Có nhân bản giọng người khác được không?
Về kỹ thuật là nhân bản từ một đoạn ghi âm tham chiếu sạch, nhưng README yêu cầu chỉ làm khi có sự cho phép của chủ giọng. Tác giả cấm dùng để mạo danh, lừa đảo hay nhân bản giọng trái phép.


