VoiceStudio: clona la tua voce in locale, gratis (alternativa open source a ElevenLabs)

Le voci sintetiche più convincenti oggi vivono nel cloud. Registri un campione, la carichi su un servizio, paghi a caratteri e se smetti di pagare perdi tutto: il modello non è tuo, la voce nemmeno. Per un video, un podcast o un audiolibro i costi si accumulano in fretta, e ogni frase che scrivi esce dal tuo computer. VoiceStudio ribalta l'impostazione: clona la voce, doppia i video e genera audiolibri in 646 lingue restando in locale, sulla tua macchina. È open source, e l'ho installato e provato davvero.

Cos'è VoiceStudio

VoiceStudio è un'app desktop che si presenta come l'alternativa open source a ElevenLabs: clonazione vocale, design di voci nuove, doppiaggio di video, dettatura, trascrizione e creazione di audiolibri. Il repository GitHub ha superato le 70.000 stelle (70.052 al momento della scrittura) con 7.680 fork, è distribuito con licenza AGPL-3.0 e l'ultima release è la v0.5.6 del 23 settembre 2026. L'interfaccia è un'app Electron per Windows, macOS e Linux: è cambiato poco fa, perché la v0.5.3 è stata l'ultima versione con la vecchia shell Tauri.

Cosa sa fare, in pratica

• Clonazione vocale: da un campione pulito ottieni una voce riutilizzabile per qualsiasi testo.
• Voice design: descrivi una voce e la generi da zero, senza registrare nulla.
• Video dubbing: doppi un video con parlato sincronizzato sui tempi.
• Dettatura con widget flottante e trascrizione di audio esistente.
• Storie e audiolibri, anche a capitoli lunghi, con lavori in batch e watch folder.
• API locale e server MCP per collegare la voce ai tuoi agenti e alle tue automazioni.
• 646 lingue supportate, gestione dei modelli e delle ricette direttamente dall'app.

Come funziona: tutto sul tuo hardware

Il motore predefinito è k2-fsa/OmniVoice, un modello text-to-speech zero-shot da circa 2,4 GB che parla oltre 600 lingue. Puoi scegliere altri engine dal catalogo interno, ma il punto resta lo stesso: i pesi girano sulla tua macchina e l'audio non lascia il computer. Con una GPU NVIDIA usi l'accelerazione CUDA, su Apple Silicon c'è Metal (MPS) e, se non hai una scheda dedicata, tutto funziona comunque su CPU, solo più lentamente (il setup installa una build PyTorch CPU da circa 5 GB di disco). Su Windows ARM è sperimentale.

Come si installa

Su macOS e Linux c'è un installer da un comando; su Windows si usa PowerShell. In alternativa scarichi l'eseguibile dalle release: .dmg per macOS, .exe per Windows, .AppImage o .deb per Linux.

# macOS / Linux
curl -fsSL https://voicestudio.sh/install | sh

# Windows (PowerShell)
irm https://voicestudio.sh/install | iex

La mia prova sul campo

Non mi sono fermato a leggere il README. Ho installato la v0.5.6 su Windows, verificato l'hash del pacchetto e avviato l'app. Il primo giro scarica i modelli richiesti: il TTS è quello da circa 2,4 GB, poi eventualmente Whisper per la trascrizione. Da lì ho creato un profilo vocale clonato da una mia registrazione di riferimento e ho generato la narrazione di uno short: sette blocchi di parlato, per un totale di 103,9 secondi di audio, prodotti in locale e salvati sul disco.

La cosa interessante è che il backend non è una scatola chiusa: è un servizio locale che risponde su un'API (con tanto di endpoint compatibile e server MCP per gli agenti). L'ho avviato anche senza interfaccia grafica e ho pilotato tutto via HTTP: creazione del profilo, generazione dei blocchi, controllo dello stato dei modelli. Per chi automatizza, questa è la parte che conta, perché la voce diventa un tassello in una pipeline come un altro.

Limiti onesti

• La licenza è AGPL-3.0: gratis anche per uso commerciale, ma è una licenza copyleft con obblighi da leggere bene prima di integrarla in un prodotto chiuso. Esiste una licenza commerciale separata per chi non vuole gli obblighi AGPL.
• I modelli pesano gigabyte e vanno scaricati al primo avvio: serve spazio su disco e una connessione decente per il download iniziale.
• Senza GPU si va lenti: su CPU è utilizzabile, ma per volumi grossi una scheda NVIDIA (o un Mac Apple Silicon) cambia molto l'esperienza.
• La regola d'oro è scritta nel progetto: clona solo voci per cui hai il permesso esplicito. Clonare la voce di qualcun altro senza consenso è un problema tuo, non del software.
• Windows su ARM è dichiarato sperimentale: aspettati qualche attrito.

Quanto costa, e il confronto con ElevenLabs

ElevenLabs è un servizio cloud con piani in abbonamento: paghi una quota ricorrente e ottieni una certa quantità di caratteri o minuti, con la voce che resta sui loro server. VoiceStudio è gratis e open source: scarichi il programma, scarichi il modello una volta, e poi generi quanto vuoi senza costi per carattere e senza mandare la voce a nessuno. Il vero prezzo non è in euro ma in risorse: ti servono disco, RAM e, per andare veloce, una GPU. Se generi molto e tieni alla privacy, il calcolo pende dalla parte locale; se ti serve al volo e non vuoi gestire hardware, un servizio cloud resta più comodo.

A chi serve

A chi fa video o podcast e vuole una voce coerente senza abbonamenti ricorrenti, a chi lavora con dati sensibili e non può caricare una voce su un server esterno, e a chi automatizza: con l'API locale e il server MCP la voce entra nelle tue pipeline come qualsiasi altro strumento. Se invece cerchi solo una voce una volta ogni tanto e non hai hardware da dedicarci, il cloud resta la strada più semplice. Ma la direzione è chiara: la voce è identità, e l'identità sta bene sul tuo hardware.

Fonte: Repository ufficiale VoiceStudio su GitHub — codice sorgente, licenza AGPL-3.0 e 70mila stelle

Fonte: Sito ufficiale voicestudio.sh — download, installer da un comando e documentazione

Fonte: Ultima release (v0.5.6) — eseguibili per Windows, macOS e Linux

Fonte: Documentazione API locale e MCP — come collegare la voce ai tuoi agenti e alle tue automazioni