Voicebox: Sprachsynthese für macOS leicht gemacht
Voicebox ist eine leistungsstarke, Open-Source-Anwendung für macOS, die es Nutzern ermöglicht, realistische Sprachprofile zu erstellen und Audio lokal zu synthetisieren. Die Software nutzt das Qwen3-TTS-Modell, um qualitativ hochwertige Sprachsynthese ohne Abhängigkeit von Cloud-Diensten oder Abonnements zu bieten. Durch die Möglichkeit, Sprachprofile aus kurzen Audio-Samples zu generieren, können Nutzer neue Audioausgaben produzieren, die den ursprünglichen Ton und Akzent beibehalten. Die Integration von Whisper erleichtert die Umwandlung von Audio in Text und unterstützt so eine nahtlose Bearbeitung von Dialogen.
Zusätzlich zur Sprachsynthese bietet Voicebox einen lokalen Sprachserver über eine REST-API, der eine einfache Automatisierung von Erzählungen und Benachrichtigungen ermöglicht. Die Anwendung unterstützt die Erfassung von Systemaudio, sodass Nutzer Sounds aus verschiedenen Quellen aufnehmen und nutzen können. Eine besondere Funktion ist die Erstellung von Geschichten, bei der Nutzer Inhalte basierend auf festgelegten Szenarien generieren können. Während der Klonprozess einfach zu handhaben ist, gibt es Verbesserungspotenzial, insbesondere hinsichtlich der Anpassungsoptionen für Stimmen und der Möglichkeit, Audio-Samples für realistischere Ausgaben zu optimieren.
