DEV Community 1h ago

OmniVoice Studio: Open-Source ElevenLabs Alternative for macOS

OmniVoice Studio - ทางเลือก ElevenLabs แบบโอเพนซอร์สที่รันบนเครื่องคุณเอง

โดย Nokka (นก-กา) | 11 กรกฎาคม 2026

บทความนี้เขียนโดย AI (deepseek-v4-pro) ผ่าน Hermes Agent ภายใต้การควบคุมและตรวจสอบคุณภาพโดยมนุษย์ - Nokka (นก-กา)

ElevenLabs คิดเงิน $5–$330 ต่อเดือน [1] แถมทุกไฟล์เสียงที่คุณอัปโหลด - ผ่านเซิร์ฟเวอร์ของเขาหมด ถ้าคุณทำพอดแคสต์, พากย์วิดีโอ, หรือสร้างเสียง AI เป็นประจำ - ค่าใช้จ่ายบานปลายเร็ว และที่สำคัญ - เสียงของคุณไม่ใช่ของคุณอีกต่อไป

OmniVoice Studio คือคำตอบสำหรับคนที่อยากได้ความสามารถระดับ ElevenLabs - แต่รันบนเครื่องตัวเอง 100% ไม่มี API key ไม่มีคลาวด์ ไม่มีค่าสมาชิก ในมุมมองของผม - นี่คือโปรเจกต์โอเพนซอร์สด้านเสียง AI ที่น่าจับตามองที่สุดในปี 2026 - ไม่ใช่เพราะฟีเจอร์เยอะ (ซึ่งก็เยอะจริง) - แต่เพราะ philosophy ของมัน: "เสียงของคุณควรอยู่บนเครื่องคุณ"

OmniVoice Studio คืออะไร

OmniVoice Studio เป็นเดสก์ท็อปแอปโอเพนซอร์ส (AGPL-3.0) ที่รวมทุกอย่างเกี่ยวกับเสียง AI ไว้ในที่เดียว - จาก debpalash นักพัฒนาที่สร้างโปรเจกต์นี้ด้วย Claude Code และ AI agents [2] - MarkTechPost เรียกมันว่า "ทางเลือก ElevenLabs แบบ local ที่น่าสนใจ" [4]

ตัวเลขที่น่าสนใจ

ตัวเลข	ค่า
GitHub Stars	8,300+
Forks	1,300+
Commits	809+
Last commit	1 ชั่วโมงที่แล้ว (active มาก)
ภาษา TTS	646 ภาษา
ภาษา ASR	~100 ภาษา
TTS Engines	14 engines
ASR Engines	10 engines

8 ฟีเจอร์หลัก

🎙️ Voice Cloning - โคลนเสียงจากคลิป 3 วินาที อัดเสียง 3 วินาที → ได้เสียงที่เหมือนคุณ - zero-shot (ไม่ต้องเทรนเพิ่ม) - รองรับ 646 ภาษา
🎨 Voice Design - ออกแบบเสียงใหม่จากศูนย์ ปรับพารามิเตอร์: เพศ, อายุ, สำเนียง, ระดับเสียง, ความเร็ว, อารมณ์, ภาษาถิ่น - โดยไม่ต้องโคลนเสียงใคร
🎬 Video Dubbing - พากย์วิดีโอทั้งคลิป ใส่ YouTube URL หรือไฟล์วิดีโอ → ถอดเสียงด้วย WhisperX → แปล → สังเคราะห์เสียงใหม่ → ส่งออก MP4 - ทั้ง pipeline รันบนเครื่องคุณ
📖 Audiobook Editor - ทำหนังสือเสียง Import text, EPUB, หรือ PDF → แบ่งบทอัตโนมัติ → ปรับความดัง (loudnorm) → ใส่ metadata → ส่งออก .m4b
🎭 Stories - เรื่องเล่าหลายเสียง กำหนดเสียงให้แต่ละตัวละคร - preview - ส่งออกทั้งเรื่องแบบ full cast
⌨️ Dictation Widget - พิมพ์ด้วยเสียงจากทุกแอป กด ⌘+⇧+Space จากแอปไหนก็ได้ - ถอดเสียงผ่าน WebSocket - วางข้อความอัตโนมัติ - widget ลอยเหนือทุกหน้าต่าง
🤖 MCP Server - ใช้จาก Claude, Cursor, หรือ agent ไหนก็ได้ OmniVoice Studio มี MCP Server ในตัว - Claude Code, Cursor, หรือ MCP client ไหนก็เรียกใช้ TTS/STT ได้
🔐 100% Local - ไม่มีอะไรออกจากเครื่องคุณ ไม่ต้องใช้ API key - ไม่ต้องสมัคร - ไม่มีคลาวด์ - ทุกอย่างรันบนฮาร์ดแวร์คุณ

14 TTS Engines - เลือกได้ตามต้องการ

OmniVoice Studio ไม่ได้ผูกติดกับ engine เดียว - มีให้เลือก 14 ตัว - engine หลักคือ OmniVoice จาก k2-fsa [5] ที่รองรับ 600+ ภาษา:

Engine	ภาษา	Clone	Instruct	macOS	Windows	Linux
OmniVoice (default)	600+	✅	✅	✅ MPS	✅ CUDA	✅ CUDA
CosyVoice 3	9 + 18 dialects	✅	✅	✅ MPS	✅ CUDA	✅ CUDA
GPT-SoVITS	5	✅	-	-	✅ CUDA	✅ CUDA
VoxCPM2	30	✅	✅	✅ MPS	✅ CUDA	✅ CUDA
MOSS-TTS-Nano	20	✅	-	✅ CPU	✅ CUDA	✅ CUDA
KittenTTS	English	-	-	✅ CPU	✅ CPU	✅ CPU
MLX-Audio	Multi	Varies	Varies	✅ Native	❌	❌
Sherpa-ONNX	20+	-	-	✅ CPU	✅ CUDA	✅ CUDA
IndexTTS 2	Multi	✅	-	-	✅ CUDA	✅ CUDA
OmniVoice GGUF	600+	✅	✅	✅ CPU	✅ CPU	✅ CPU
Supertonic 3	31	-	-	✅ CPU	✅ CPU	✅ CPU
MOSS-TTS-v1.5 (8B)	31	✅	-	✅ CPU	✅ CUDA	✅ CUDA
dots.tts (2B)	24	✅	-	✅ CPU	❌	✅ CUDA
Confucius4-TTS	14	✅	-	✅ CPU	✅ CUDA	✅ CUDA

Engine ที่มี ⚡ คือ lazy-registered - ติดตั้งเมื่อใช้ครั้งแรก

10 ASR Engines - ถอดเสียงได้ทุกสถานการณ์

Engine	ภาษา	จุดเด่น
WhisperX (default)	~100	Word-level timing - เหมาะกับ dubbing
Faster-Whisper	~100	เร็ว - CTranslate2
MLX Whisper	~100	Native Apple Silicon
PyTorch Whisper	~100	CUDA/CPU fallback
Parakeet TDT	EN + 25 EU	SOTA accuracy - ~10× realtime
Moonshine	English	Edge / low-latency
FunASR	50+	VAD + diarization ในตัว
sherpa-onnx	25 EU + 90+	Live dictation - เร็วกว่า realtime
Faster-Whisper (isolated)	~100	Crash-isolated ใน subprocess
OpenAI-compatible	ตาม server	ต่อ Qwen3-ASR หรือ server ไหนก็ได้

Architecture - หลังบ้านทำงานยังไง

┌─────────────────────────────────────────────┐
│              Frontend (React)                │
│  DubTab · VoiceConsole · Stories · Gallery   │
│  Dictation · BatchQueue · MCP Client         │
├─────────────────────────────────────────────┤
│              Backend (FastAPI)               │
│      100+ API endpoints · SSE+WSS · SQLite   │
├────────┬────────┬────────┬──────────────────┤
│WhisperX│ Demucs │OmniVoice│ Engine Routing  │
│(+9 ASR)│Source  │(+13 TTS)│ ↳ GPU preflight│
│        │ Sep.   │        │ ↳ No silent CPU │
└────────┴────────┴────────┴──────────────────┘
          CUDA / MPS / ROCm / CPU (auto-detect)

Frontend: React + Tauri (เดสก์ท็อปแอป)
Backend: FastAPI - 100+ endpoints - SSE/WebSocket streaming
Database: SQLite
GPU: Auto-detect - CUDA, Apple Silicon MPS, AMD ROCm (Linux), CPU fallback
API: OpenAI-compatible - /v1/audio/speech และ /v1/audio/transcriptions

ติดตั้งบน macOS (Apple Silicon)

# ดาวน์โหลด DMG จาก GitHub Releases
# https://github.com/debpalash/OmniVoice-Studio/releases/latest

# หรือรันจาก source
git clone https://github.com/debpalash/OmniVoice-Studio
cd OmniVoice-Studio
uv run python backend/main.py

Requirements

	ขั้นต่ำ	แนะนำ
OS	macOS 12+ (Apple Silicon)	macOS 15+
RAM	8 GB	16 GB+
VRAM	4 GB (auto-offload)	8 GB+
Disk	10 GB	20 GB+ SSD

⚠️ Intel Mac ไม่ support - PyTorch เลิก support Intel Mac (x86_64) แล้ว - ใช้ได้เฉพาะ Apple Silicon

เทียบกับ ElevenLabs

	ElevenLabs	OmniVoice Studio
ราคา	$5–$330/เดือน	ฟรี (AGPL-3.0)
Voice Cloning	✅ 3s clip	✅ 3s clip, zero-shot
Voice Design	✅ เพศ, อายุ	✅ เพศ, อายุ, สำเนียง, อารมณ์, ภาษาถิ่น
ภาษา	32	646
Video Dubbing	✅ Cloud-only	✅ Local
Audiobook	❌	✅ EPUB/PDF → .m4b
ความเป็นส่วนตัว	เสียงไปคลาวด์	ไม่มีอะไรออกจากเครื่อง
API Keys	ต้องใช้	ไม่ต้อง
TTS Engines	1	14
ASR Engines	1	10
MCP Server	❌	✅
Desktop App	❌	✅ macOS · Windows · Linux

ภาษาไทย - ทำได้แค่ไหน

OmniVoice Studio รองรับภาษาไทยในทางเทคนิค - แต่ต้องบอกตามตรงว่า ยังไม่มี benchmark หรือรีวิวคุณภาพภาษาไทย

ฟีเจอร์	รองรับไทย?	มี Benchmark?	หมายเหตุ
TTS	✅ ผ่าน OmniVoice (600+ ภาษา)	❌	มี community fine-tune hotdogs/omnivoice-thai - แต่เทรนด้วยข้อมูลแค่ 12.6 ชม., 2 speakers
ASR	✅ ผ่าน WhisperX (~100 ภาษา)	❌	Whisper ภาษาไทยใช้ได้ - แต่ไม่มี WER benchmark
Voice Cloning	✅ ในทางทฤษฎี	❌	ไม่มีตัวอย่าง clone เสียงไทย
Video Dubbing	✅ ในทางทฤษฎี	❌	ไม่มีตัวอย่าง dubbing ไทย

Community fine-tune ภาษาไทย: มีคนทำ hotdogs/omnivoice-thai [3] - fine-tune จาก OmniVoice (Qwen3-0.6B) ด้วยข้อมูล 12.6 ชั่วโมง, 2 speakers - เทรนบน RTX 3090 - ใช้เวลา ~1.5 ชั่วโมง - Apache 2.0

from omnivoice import OmniVoice

model = OmniVoice.from_pretrained("hotdogs/omnivoice-thai")
audio = model.generate(
    text="สวัสดีครับ วันนี้อากาศดีมากเลย",
    instruct="male, low pitch",
)

แต่ 12.6 ชั่วโมงกับ 2 speakers - น้อยมากเมื่อเทียบกับ ElevenLabs ที่เทรนด้วยข้อมูลระดับหมื่นชั่วโมง - คุณภาพน่าจะยังห่าง

ข้อจำกัดที่ควรรู้

ยังเป็น Beta - ของอาจพังระหว่างเวอร์ชัน - แนะนำรันจาก source แทน installer
Intel Mac ไม่ support - PyTorch เลิก support x86_64 macOS แล้ว
AMD GPU บน Windows ไม่ได้ - ROCm support เฉพาะ Linux - Windows ใช้ NVIDIA เท่านั้น
ต้องการ VRAM - ขั้นต่ำ 4 GB - ถ้าน้อยกว่านี้ auto-offload ไป CPU (ช้าลง)
ภาษาไทยยังไม่มี benchmark - ถ้าจะใช้จริงจัง ต้องทดสอบเอง

ใครควรใช้

คนทำคอนเทนต์ - พากย์วิดีโอ, ทำหนังสือเสียง, สร้างเสียง AI - โดยไม่ต้องจ่ายรายเดือน
นักพัฒนา - ต้องการ TTS/STT API บนเครื่องตัวเอง - OpenAI-compatible endpoint
คนที่ห่วงความเป็นส่วนตัว - ไฟล์เสียงไม่เคยออกจากเครื่อง
สายโอเพนซอร์ส - อยาก fork, extend, หรือ contribute

ไม่เหมาะสำหรับ

คนที่ต้องการคุณภาพเสียงระดับ ElevenLabs ทันที - OmniVoice ยังเป็น Beta
คนใช้ Intel Mac - ไม่ support
คนที่ต้องการภาษาไทยคุณภาพสูง - ยังไม่มี benchmark ยืนยัน

สรุป

OmniVoice Studio คือ ElevenLabs alternative ที่น่าสนใจที่สุดในฝั่งโอเพนซอร์สตอนนี้ - 8,300+ stars, 809 commits, อัปเดตทุกวัน - รองรับ 646 ภาษา, 14 TTS engines, 10 ASR engines - และทุกอย่างรันบนเครื่องคุณ

ภาษาไทยยังเป็นจุดอ่อน - รองรับในทางเทคนิคแต่ยังไม่มีใครทดสอบคุณภาพ - ถ้าคุณเป็นคนแรกที่ลอง - มาแชร์ผลกันได้

ดาวน์โหลด: github.com/debpalash/OmniVoice-Studio

อ้างอิง

[1] ElevenLabs Pricing - elevenlabs.io/pricing - ราคา $5–$330/เดือน ณ กรกฎาคม 2026

[2] OmniVoice Studio GitHub Repository - github.com/debpalash/OmniVoice-Studio - 8,300+ stars, 809 commits, AGPL-3.0, 2026

[3] hotdogs/omnivoice-thai - huggingface.co/hotdogs/omnivoice-thai - Community fine-tune ภาษาไทย, Apache 2.0, 2026

[4] MarkTechPost - "Meet OmniVoice Studio: A Local, Open-Source Alternative to ElevenLabs" - marktechpost.com - 26 พฤษภาคม 2026

[5] k2-fsa/OmniVoice - github.com/k2-fsa/OmniVoice - TTS engine หลัก รองรับ 600+ ภาษา, 8,200+ stars, 2026

บทความนี้เป็นส่วนหนึ่งของซีรีส์ "เครื่องมือ AI โอเพนซอร์สที่น่าสนใจ" - ติดตามตอนต่อไปได้ที่ Nokka on dev.to

Read on DEV Community ↗ ← Back to News