
Voicebox là gì? Voicebox là một ứng dụng máy tính mã nguồn mở, giấy phép MIT, gom vào một chỗ ba việc: nhân bản giọng từ vài giây âm thanh, chuyển văn bản thành giọng nói (TTS) và đọc chính tả vào bất kỳ ô nhập nào, tất cả chạy trên máy của bạn. Theo GitHub (API, đọc ngày 04/11/2026), kho jamiepine/voicebox được tạo ngày 25/01/2026, có khoảng 59.400 sao và 7.400 bản fork, lần đẩy mã gần nhất là 07/10/2026. Trang giá voicebox.sh (đọc ngày 04/11/2026) ghi bản ứng dụng chạy cục bộ miễn phí, gói đồng bộ đám mây là tuỳ chọn và chưa ra mắt. Bài này giải thích Voicebox làm được gì, cần máy thế nào, cách cài, rủi ro pháp lý khi nhân bản giọng người thật, và so với ElevenLabs, OmniVoice hay Whisper.

Voicebox nối cả hai chiều giọng nói: chữ thành tiếng và tiếng thành chữ, chạy trên máy. Sơ đồ: OPCAIOS.
Voicebox là gì và ai tạo ra?
Voicebox là studio giọng nói AI "local-first", tức ưu tiên chạy trên máy người dùng, do Jamie Pine khởi xướng; chân trang voicebox.sh ghi bản quyền thuộc Spacedrive Technology Inc., công ty đứng sau Spacedrive. Dự án tự định vị là lựa chọn miễn phí thay cho ElevenLabs và WisprFlow.
README trên GitHub (đọc ngày 04/11/2026) mô tả ý tưởng chính khá rõ. ElevenLabs mạnh ở chiều phát ra: biến chữ thành giọng. WisprFlow mạnh ở chiều thu vào: biến lời nói thành chữ. Voicebox làm cả hai chiều trong một ứng dụng, rồi nối chúng bằng một mô hình ngôn ngữ nhỏ chạy cục bộ (Qwen3) để làm sạch văn bản và tạo "tính cách" cho từng giọng. Ứng dụng viết bằng Tauri (Rust) cho phần vỏ, React cho giao diện và FastAPI (Python) cho phần xử lý. Ngôn ngữ chính của kho theo GitHub là Python. Theo README, dự án được duy trì với sự hỗ trợ của nền tảng tác tử Capy: các luồng tác tử kiểm thử và rà soát pull request trước khi tác giả gộp. Đây là thông tin do dự án công bố, chúng tôi chưa kiểm chứng cách vận hành đó. Nếu bạn mới làm quen với AI giọng nói, nên đọc trước Whisper là gì để hiểu phần nhận dạng giọng nói mà Voicebox dùng lại.
Voicebox có những tính năng chính nào?
Voicebox có tám động cơ TTS đổi được cho từng lần tạo, nhân bản giọng không cần huấn luyện, hiệu ứng âm thanh, trình dựng nhiều giọng theo dòng thời gian, đọc chính tả bằng phím tắt và máy chủ MCP cho agent. Bảng dưới tóm tắt theo README (đọc ngày 04/11/2026).
| Tính năng | Mô tả ngắn |
|---|---|
| Tám động cơ TTS | Qwen3-TTS, Qwen CustomVoice, Qwen VoiceDesign, LuxTTS, Chatterbox Multilingual, Chatterbox Turbo, HumeAI TADA, Kokoro |
| Nhân bản giọng | Từ một mẫu tham chiếu ngắn, hỗ trợ nhiều mẫu cho một hồ sơ giọng |
| Giọng có sẵn | Hơn 50 giọng mẫu qua Kokoro và Qwen CustomVoice |
| Ngôn ngữ | 23 ngôn ngữ, rộng nhất là Chatterbox Multilingual |
| Thẻ biểu cảm | Thẻ như tiếng cười, tiếng thở dài, chỉ Chatterbox Turbo hiểu |
| Văn bản dài | Tự cắt câu và nối mượt, tối đa 50.000 ký tự |
| Stories | Trình dựng nhiều giọng, nhiều rãnh cho hội thoại, podcast |
| Hiệu ứng | 8 hiệu ứng từ thư viện pedalboard của Spotify, có preset |
| Đọc chính tả | Phím tắt toàn hệ thống, tự dán vào ô đang chọn trên macOS |
| Nhận dạng giọng nói | OpenAI Whisper, có bản Turbo nhanh hơn |
| MCP và REST API | Agent như Claude Code, Cursor gọi công cụ để nói bằng giọng đã chọn |
Điểm mới so với các ứng dụng TTS khác là phần agent. Voicebox cung cấp bốn công cụ MCP, trong đó có công cụ nói và công cụ chép lời. Một agent lập trình có thể báo "đã chạy xong kiểm thử" bằng giọng bạn chọn. Nếu chưa rõ MCP, xem MCP là gì.
Một lưu ý quan trọng với người Việt: danh sách ngôn ngữ trong README không ghi rõ tiếng Việt. Chúng tôi chưa kiểm tra động cơ nào trong tám động cơ hỗ trợ tiếng Việt tốt, nên đừng giả định là có.
Voicebox giá bao nhiêu và có chi phí ẩn nào?
Voicebox miễn phí: mã nguồn theo giấy phép MIT và bản chạy cục bộ không cần tài khoản. Trang giá voicebox.sh (đọc ngày 04/11/2026) chỉ thu phí cho sao lưu và đồng bộ đám mây có mã hoá, hiện ghi "sắp ra mắt". Giá dưới đây chưa gồm thuế, có thể thay đổi.
| Gói | Giá công bố | Nội dung |
|---|---|---|
| Local | 0 USD | Toàn bộ ứng dụng, không giới hạn số lần tạo |
| Cloud | 12 USD/năm (giá ra mắt) | Sao lưu mã hoá đầu cuối, 25 GB, tối đa 5 thiết bị; chưa ra mắt |
| Studio | 48 USD/năm | 250 GB, không giới hạn thiết bị; trang ghi giá tạm, chưa chốt |
Chi phí ẩn nằm ở phần cứng. Các mô hình chạy trên máy bạn, nên tốc độ phụ thuộc GPU. README liệt kê MLX trên Mac Apple Silicon, CUDA cho NVIDIA, ROCm cho AMD, DirectML trên Windows, Intel Arc, và CPU cho mọi máy nhưng chậm hơn. Mô hình cũng cần dung lượng ổ đĩa để tải về; README không nêu tổng dung lượng, chúng tôi chưa đo. Ngoài ra Linux chưa có bản dựng sẵn, phải tự dựng từ mã nguồn.
Cài Voicebox và bắt đầu như thế nào?
Cách nhanh nhất là tải bản cài từ voicebox.sh hoặc trang Releases trên GitHub. README có bản DMG cho Mac Apple Silicon và Mac Intel, bản MSI cho Windows, và Docker. Quy trình bốn bước, đầu tiên là tải, cuối cùng là thử với agent:
- Đầu tiên, tải bản cài phù hợp hệ điều hành từ voicebox.sh hoặc GitHub Releases.
- Tiếp theo, mở ứng dụng, tải mô hình TTS muốn dùng, rồi tạo hồ sơ giọng từ tệp âm thanh hoặc thu trực tiếp.
- Gõ văn bản, chọn động cơ, tạo giọng và thử hiệu ứng nếu cần.
- Cuối cùng, nếu dùng agent, bật máy chủ MCP trong phần cài đặt và thêm vào Claude Code theo hướng dẫn trong README.
Với Docker, README ghi lệnh:
docker compose up
Người muốn dựng từ mã nguồn cần Bun, Rust, Python 3.12, công cụ của Tauri và Xcode trên Mac. Theo README:
git clone https://github.com/jamiepine/voicebox.git
cd voicebox
just setup
just dev
Lệnh just cài bằng brew install just hoặc cargo install just. Nếu chưa quen Docker, xem Docker là gì. Chúng tôi chưa chạy các bước trên; đây là tóm tắt từ tài liệu chính thức.
Rủi ro, bảo mật và pháp lý khi dùng Voicebox
Rủi ro lớn nhất của Voicebox không nằm ở kỹ thuật mà ở việc nhân bản giọng người khác. Công cụ cho phép tạo giọng từ vài giây âm thanh, nên rất dễ dùng sai để mạo danh, lừa đảo hoặc làm nội dung giả. Phần này chỉ để tham khảo, không phải tư vấn pháp lý.
Đầu tiên là sự đồng ý. Giọng nói gắn với danh tính một người; chỉ nhân bản giọng của chính bạn hoặc của người đã đồng ý bằng văn bản. Trang giới thiệu voicebox.sh có bản trình diễn với các giọng mang tên người nổi tiếng; đó là cách dự án minh hoạ, không có nghĩa bạn được phép dùng giọng người nổi tiếng cho nội dung đăng công khai hay quảng cáo. Tiếp theo là dữ liệu cá nhân: mẫu giọng là dữ liệu nhạy cảm, nên lưu trữ cẩn thận và xoá khi hết mục đích. Chúng tôi chưa đối chiếu văn bản gốc của luật Việt Nam về bảo vệ dữ liệu cá nhân hay quyền nhân thân với trường hợp này. Cuối cùng là minh bạch: nếu đăng video dùng giọng AI, nên ghi rõ để người xem không bị nhầm.
Về bảo mật, Voicebox chạy cục bộ nên mô hình và mẫu giọng không rời máy, theo README. Tuy vậy, máy chủ API và MCP lắng nghe trên máy bạn; tiến trình khác cùng máy có thể gọi tới. Đừng mở cổng này ra internet. Mỗi động cơ TTS còn có giấy phép mô hình riêng, có thể khác giấy phép MIT của ứng dụng; nếu dùng thương mại, hãy kiểm tra giấy phép của từng mô hình. Chúng tôi chưa kiểm tra giấy phép từng mô hình.
Voicebox so với các lựa chọn khác
Voicebox phù hợp người muốn một ứng dụng giao diện đồ hoạ làm cả TTS lẫn đọc chính tả mà không trả phí theo ký tự. Bảng dưới là mô tả chung, không phải đo đạc.
| Công cụ | Kiểu | Điểm mạnh | Điểm cần cân nhắc |
|---|---|---|---|
| Voicebox | Ứng dụng máy tính, MIT | Nhiều động cơ, cả hai chiều, MCP | Cần GPU tốt, tiếng Việt chưa rõ |
| ElevenLabs | Dịch vụ đám mây trả phí | Chất lượng ổn định, dễ dùng | Dữ liệu lên đám mây, tính phí theo gói |
| OmniVoice | Mô hình TTS, Apache-2.0 | Có tiếng Việt, nhân bản tốt | Cần tự dựng quy trình, dòng lệnh |
| Whisper | Mô hình nhận dạng giọng | Chép lời nhiều ngôn ngữ | Chỉ một chiều, không tạo giọng |
| VibeVoice | Mô hình TTS hội thoại | Nhiều người nói, đoạn dài | Không phải ứng dụng trọn gói |
Khi nào nên dùng Voicebox?
Nên dùng Voicebox khi bạn cần một studio giọng nói chạy offline, có giao diện, không muốn trả phí theo ký tự, và có máy đủ mạnh. Không nên chọn nó khi cần tiếng Việt chất lượng cao ngay mà chưa thử, hoặc khi máy yếu.
| Tình huống | Gợi ý |
|---|---|
| Đọc lồng tiếng tiếng Anh cho video, podcast | Thử Voicebox với Qwen3-TTS hoặc Chatterbox |
| Lồng tiếng tiếng Việt bằng giọng của chính bạn | Thử trước vài câu; so với OmniVoice |
| Muốn agent lập trình báo kết quả bằng giọng | Dùng máy chủ MCP của Voicebox |
| Đọc chính tả ghi chú nhanh trên Mac | Dùng phím tắt đọc chính tả |
| Máy không có GPU, cần chất lượng cao | Cân nhắc dịch vụ đám mây trả phí |
| Muốn nhân bản giọng người khác chưa xin phép | Không làm |
Ví dụ (ví dụ giả định): một người làm khoá học tạo hồ sơ giọng từ ba đoạn thu âm sạch của chính mình, dán kịch bản bài 10 phút vào, để Voicebox tự cắt câu, rồi dùng Stories để chèn đoạn hỏi đáp với một giọng có sẵn. Kết quả thực tế phụ thuộc mẫu thu và động cơ được chọn.
Kinh nghiệm của OPCAIOS
Chúng tôi mới đưa Voicebox vào danh mục Repo của mục Tiện ích trên opcaios.org sau khi đọc README và kiểm tra kho còn cập nhật; chúng tôi chưa chạy thử, nên phần này nêu tiêu chí chúng tôi dùng để cân nhắc, không phải đánh giá sau khi dùng. Bốn tiêu chí chính:
- Đầu tiên, kho còn được cập nhật: lần đẩy mã gần nhất là 07/10/2026 theo GitHub API, gần một tháng trước ngày đọc.
- Tiếp theo, giấy phép: ứng dụng MIT, nhưng từng mô hình bên trong có giấy phép riêng cần đọc.
- Chi phí ẩn: không tốn phí API, nhưng cần GPU và dung lượng ổ đĩa.
- Cuối cùng, khả năng thay công cụ đang dùng: với tiếng Việt, chúng tôi đang dùng OmniVoice cho quy trình video người nói, nên Voicebox chỉ đáng thử nếu có động cơ đọc tiếng Việt tốt. Rủi ro điều khoản nằm ở việc nhân bản giọng không được đồng ý.
Đọc thêm: OmniVoice là gì, Whisper là gì, MCP là gì, Claude Code là gì, 7 công cụ nhân bản giọng nói AI tốt nhất 2026 cho tiếng Việt.
Câu hỏi thường gặp
Voicebox có miễn phí không?
Có. Voicebox là phần mềm mã nguồn mở theo giấy phép MIT, và trang giá voicebox.sh (đọc ngày 04/11/2026) ghi bản chạy cục bộ miễn phí, không cần tài khoản, không giới hạn số lần tạo giọng. Phần trả phí duy nhất là sao lưu và đồng bộ đám mây có mã hoá, với giá ra mắt 12 USD mỗi năm cho gói Cloud, hiện vẫn ghi "sắp ra mắt". Chi phí thật bạn phải tính là phần cứng: máy có GPU sẽ tạo giọng nhanh hơn nhiều so với chỉ dùng CPU, và các mô hình cần dung lượng ổ đĩa để tải về.
Voicebox có đọc được tiếng Việt không?
README trên GitHub (đọc ngày 04/11/2026) nói Voicebox hỗ trợ 23 ngôn ngữ và kể tên một số ngôn ngữ như Ả Rập, Nhật, Hindi, Swahili, nhưng không ghi rõ tiếng Việt. Chúng tôi chưa thử nên không khẳng định động cơ nào đọc tiếng Việt tốt. Cách an toàn là tải ứng dụng, thử vài câu tiếng Việt với từng động cơ, nghe lại rồi mới quyết định. Nếu tiếng Việt là ưu tiên số một, nên so sánh thêm với OmniVoice, mô hình có tiếng Việt trong danh sách ngôn ngữ.
Máy tính thế nào thì chạy được Voicebox?
Voicebox có bản cài cho macOS (Apple Silicon và Intel), Windows và Docker; Linux phải dựng từ mã nguồn. Theo README, ứng dụng tăng tốc bằng MLX trên Mac Apple Silicon, CUDA trên card NVIDIA, ROCm trên card AMD, DirectML trên Windows và Intel Arc. Máy chỉ có CPU vẫn chạy được nhưng chậm hơn. Một số động cơ nhẹ như Kokoro hay LuxTTS chạy được trên CPU. README cũng cho phép kết nối tới một máy khác có GPU để xử lý. Chúng tôi chưa đo tốc độ trên máy cụ thể nào.
Nhân bản giọng người khác bằng Voicebox có hợp pháp không?
Điều này tuỳ luật nơi bạn sống và mục đích sử dụng; nội dung ở đây chỉ để tham khảo, không phải tư vấn pháp lý. Nguyên tắc an toàn là chỉ nhân bản giọng của chính bạn hoặc người đã đồng ý rõ ràng, tốt nhất bằng văn bản. Dùng giọng người nổi tiếng hay người quen để quảng cáo, lừa đảo hoặc làm nội dung giả có thể vi phạm quyền nhân thân, quyền về hình ảnh và quy định về dữ liệu cá nhân. Chúng tôi chưa đối chiếu văn bản luật Việt Nam cụ thể. Khi đăng nội dung dùng giọng AI, nên ghi rõ để người xem biết.
Voicebox dùng được với Claude Code không?
Được. Voicebox có sẵn máy chủ MCP với bốn công cụ: nói bằng một giọng, chép lời tệp âm thanh, liệt kê bản ghi và liệt kê hồ sơ giọng. README hướng dẫn thêm Voicebox vào Claude Code bằng một lệnh claude mcp add, và cũng hỗ trợ Cursor, Windsurf, VS Code. Bạn có thể gán mỗi agent một giọng riêng để nghe là biết agent nào đang báo. Muốn tự dựng những quy trình kiểu này cho công việc, xem khoá đào tạo ứng dụng AI của OPCAIOS.
Nguồn: GitHub jamiepine/voicebox (README, API, đọc ngày 04/11/2026), voicebox.sh và voicebox.sh/pricing (đọc ngày 04/11/2026); chưa đọc/chưa kiểm chứng: API phiên bản phát hành mới nhất (bị giới hạn tốc độ), giấy phép từng mô hình TTS, chất lượng tiếng Việt, tốc độ thực tế; số sao và giá có thể thay đổi. Kinh nghiệm là của OPCAIOS.
Để lại bình luận
Email của bạn sẽ không hiển thị công khai. Bình luận sẽ hiển thị sau khi được duyệt.


