Voicebox: 음성 복제와 받아쓰기를 로컬에서 처리하는 오픈소스 AI 도구

Voicebox는 음성 복제와 음성 받아쓰기를 로컬 환경에서 한 번에 처리할 수 있도록 설계된 오픈소스 'AI 음성 스튜디오'입니다. 깃허브에서 이미 4만 2천 개 이상의 스타를 받았습니다.

어떤 기능을 제공하나

기존에는 음성 워크플로를 만들 때 AI에게 말을 시키기 위해 ElevenLabs를 쓰고, 내 말을 텍스트로 바꾸기 위해 WisprFlow 같은 유료 구독 도구를 따로 조합해 써야 했습니다. Voicebox는 이 두 단계를 로컬에서 하나로 대체합니다.

입력 기능으로는 전역 단축키를 눌러 시스템 내 어떤 텍스트 입력창에서든 즉시 음성으로 글을 받아적을 수 있습니다.

출력 기능으로는 몇 초 분량의 샘플 오디오만 있으면 어떤 목소리든 복제해 냅니다. 단순한 텍스트 낭독뿐 아니라 Claude Code나 Codex 같은 코딩 에이전트와 연동해 작업 중인 에이전트에 복제 음성을 입히는 것도 가능합니다.

왜 중요한가

음성 도구를 자주 사용하는 사용자라면 ElevenLabs의 글자 수 기반 요금이나 받아쓰기 구독료를 크게 아낄 수 있다는 점이 가장 큽니다. 모든 데이터가 내 컴퓨터 안에서 처리되므로 음성 데이터 유출 걱정도 없습니다.

에이전트 기반 개발을 하거나 음성 입력을 자주 쓰는 사용자라면 직접 구동해 볼 가치가 충분합니다. 다만 클라우드 기반 상용 서비스 수준의 짧은 지연 시간과 자연스러움을 유지하려면 적절한 로컬 하드웨어 성능이 뒷받침되어야 합니다.