Voicebox : Studio vocal open‑source alimenté par Qwen3‑TTS

La synthèse vocale n’est plus réservée à une poignée de services cloud. Avec Voicebox —une application gratuite, local‑first construite sur Qwen3‑TTS— les développeurs et créateurs peuvent posséder leurs données vocales, éditer du son multi‑pistes comme une station de travail audio numérique et produire des discours naturels plus rapidement que jamais sur Apple Silicon.

Qu’est‑ce que Voicebox ?

• Local‑first : Toutes les inférences, clonages et éditions sont exécutés sur votre matériel — pas besoin d’internet, pas de frais d’abonnement.
• Open source : Licence MIT, entièrement gérée par la communauté.
• Édition multi‑pistes : imaginez un DAW qui rencontre le texte‑vers‑parole.
• Construit avec une stack moderne : Tauri (Rust) pour le bureau, React/TS pour l’interface, FastAPI pour l’API, MLX/Metal pour l’accélération GPU.
• Propulsé par Qwen3‑TTS : Le modèle révolutionnaire d’Alibaba capable de cloner une voix à partir de quelques secondes, produisant un discours de haute fidélité et expressif.

Aperçu des fonctionnalités principales

Aperçu de l’architecture

graph TD
  A[React‑TS Frontend] -->|REST| B[FastAPI Backend]
  B -->|PyTorch/MLX| C[Qwen3‑TTS Engine]
  B -->|Whisper| D[Transcription]
  B -->|SQLite| E[Database]
  subgraph Desktop
    F[tauri (Rust)] --> A
  end
  subgraph Web
    G[React‑TS app] --> A
  end

• Frontend : React avec TypeScript, Tailwind CSS, Zustand & React Query pour l’état et la récupération de données.
• Backend : FastAPI offrant une API typée, des docs automatiques, et une performance asynchrone.
• Modèles : Qwen3‑TTS et Whisper disponibles en backend PyTorch et MLX, offrant une flexibilité de plateforme.
• Persistance : SQLite stocke les profils vocaux, les métadonnées de projet, et l’historique de génération.

Comment commencer

1. Installation

# Sur macOS (Apple Silicon)
brew install qt@5  # pour les dépendances Tauri
bun install
cd backend && pip install -r requirements.txt
bun run dev   # Lancer l’application de bureau

Pour Windows ou macOS Intel, téléchargez le MSI ou le ZIP depuis la page des releases.

2. Cloner une voix

1. Ouvrez l’app et cliquez sur Create Profile.
2. Enregistrez ou téléchargez 5–10 s de parole claire.
3. Le modèle créera un profil appelé My Voice.
4. Exportez le profil si vous souhaitez le partager.

3. Créer une histoire

1. Glissez le nouveau profil sur la timeline.
2. Tapez votre script ou copiez depuis un document.
3. Utilisez Batch Generation pour synthétiser le script complet.
4. Organisez les clips, coupez, et mixez avec les outils de timeline.
5. Exportez le mix final.

Cas d’usage où Voicebox excelle

Étendre Voicebox

• Système de plugin : Ajoutez de nouveaux modèles vocaux (par ex. XTTS, Bark) ou effets audio comme des paquets Tauri séparés.
• Compagnon mobile : Les plans futurs incluent une application mobile pour contrôler une instance de Voicebox de bureau via LAN.
• Synthèse en temps réel : Une fonctionnalité à venir diffusera l’audio généré dès qu’il sera produit, permettant des performances live.

Communauté & contribution

Voicebox est conçu pour être accueillant et ouvert :

• Contribution : Les pull‑requests sont les bienvenues ; consultez CONTRIBUTING.md pour la configuration.
• Sécurité : Suivez SECURITY.md pour signaler les problèmes de façon responsable.
• Releases : Les nouvelles versions stables sont publiées sur GitHub Releases.
• Docs : Des docs API complètes sont disponibles sur http://localhost:8000/docs lorsqu’il est exécuté.

Résumé

Voicebox transforme un ordinateur portable en studio vocal professionnel, respectant la vie privée. Que vous soyez développeur de jeux, podcasteur ou créateur d’outils d’accessibilité, vous n’avez plus besoin de dépendre de services cloud coûteux. Lancez‑vous dès aujourd’hui, fork le dépôt GitHub, et commencez à créer des expériences vocales qui restent sous votre contrôle.