VoiceStudio คืออะไร โคลนเสียงและพากย์คลิปฟรีในเครื่องเรา ติดตั้งยังไง

ใครทำคลิปแล้วอยากได้เสียงพากย์ หรืออยากพากย์คลิปตัวเองเป็นภาษาอังกฤษ ส่วนใหญ่จะไปจบที่เว็บโคลนเสียงแบบจ่ายรายเดือน แล้วต้องอัปโหลดเสียงของเราขึ้นไปบนเว็บนั้นด้วย

VoiceStudio คือแอปโอเพนซอร์สที่ทำงานพวกนี้ได้ในคอมของเราเอง ทั้งโคลนเสียง ออกแบบเสียงใหม่จากคำบรรยาย พากย์วิดีโอเป็นภาษาอื่น และถอดเสียงเป็นข้อความ บทความนี้พาดูว่ามันต่างจาก ElevenLabs ตรงไหน ติดตั้งยังไงบน Mac และ Windows แล้วลองโคลนเสียงครั้งแรกจนได้ไฟล์เสียงออกมา

VoiceStudio คืออะไร

VoiceStudio เป็นแอปเดสก์ท็อปบน GitHub ไลเซนส์ AGPL-3.0 เจ้าของโปรเจกต์เขียนไว้ตรงๆ ว่าเป็นทางเลือกแทน ElevenLabs ที่รันในเครื่องทั้งหมด ตัวหลักที่ใช้สร้างเสียงคือโมเดล OmniVoice ซึ่งรองรับ 646 ภาษา

นึกภาพว่าเดิมเราต้องส่งเสียงไปให้ห้องอัดข้างนอกทำให้ แล้วจ่ายตามจำนวนที่ใช้ VoiceStudio คือการยกห้องอัดกับนักพากย์มาไว้ในคอมเรา ต้องลงของหนักหน่อยตอนแรก แต่หลังจากนั้นใช้กี่รอบก็ไม่มีมิเตอร์นับ

วันที่เขียน (21 ต.ค. 2026) repo นี้มีดาวบน GitHub 79.2k และอยู่ในหน้า GitHub Trending รายสัปดาห์ เวอร์ชันล่าสุดที่ออกเป็นตัวติดตั้งคือ v0.5.6

เทียบกับ ElevenLabs

	VoiceStudio (ตัวฟรี)	ElevenLabs
ทำงานที่ไหน	ในคอมของเรา	บนเซิร์ฟเวอร์ของ ElevenLabs
ค่าใช้จ่าย	ฟรี โอเพนซอร์ส	มีแพ็กเกจ Free $0 (10k credits ต่อเดือน) แพ็กเกจจ่ายเงินเริ่ม $6 ต่อเดือน
โคลนเสียงแบบเร็ว	มีในตัวฟรี	Instant Voice Cloning เริ่มที่แพ็กเกจ Starter
เสียงต้นฉบับของเรา	อยู่ในเครื่อง	อัปโหลดขึ้นคลาวด์
ต้องมีอะไร	คอมที่แรงพอ + พื้นที่ราว 10 GB	เบราว์เซอร์ + บัญชี

ราคาของ ElevenLabs มาจากหน้า Pricing ณ วันที่เขียน ถ้าคอมไม่แรง หรืออยากเปิดเว็บแล้วใช้เลย ElevenLabs ยังสะดวกกว่า แต่ถ้าใช้บ่อยและอยากเก็บเสียงไว้ในเครื่อง VoiceStudio น่าลองครับ

VoiceStudio เองก็มีตารางเทียบแบบนี้ในเว็บ แยกเป็นตัวฟรี (OSS), ตัว Pro ที่เสียเงิน และ Cloud ที่ยังไม่เปิด

ทำอะไรได้บ้าง

• Voice clone โคลนเสียงจากไฟล์เสียงตัวอย่าง เว็บของเขาเขียนว่าเริ่มได้จากเสียงราว 3 วินาที
• Voice design ไม่มีเสียงต้นฉบับก็ได้ บรรยายว่าอยากได้เสียงแบบไหน แล้วให้มันสร้างเสียงใหม่
• Video dubbing ใส่วิดีโอ ให้มันถอดเสียง แปล แล้วพากย์ภาษาใหม่ตามจังหวะเดิม
• Stories / Audiobook ใส่บทหรือหนังสือ แล้วให้แต่ละตัวละครมีเสียงของตัวเอง
• Transcripts / Dictation ถอดเสียงเป็นข้อความ และมีวิดเจ็ตลอยไว้พูดแทนพิมพ์
• Local API + MCP ให้ AI อย่าง Claude Code สั่งสร้างเสียงได้เอง

สิ่งที่ต้องมี

• Mac ชิป Apple Silicon (M1 ขึ้นไป) macOS 13.3 ขึ้นไป แอปจะใช้ GPU ของชิป M ให้เอง
• Windows หรือ Linux มีการ์ดจอ NVIDIA จะเร็วสุด ไม่มีการ์ดจอก็ใช้ได้ แต่ช้ากว่า
• พื้นที่ว่างราว 10 GB สำหรับแอป Python ที่มันลงให้ และไฟล์โมเดล
• RAM ราว 8 GB เว็บของเขาบอกว่าพอเริ่มได้
• Mac ชิป Intel ใช้เครื่องตัวเองสร้างเสียงไม่ได้ เปิดได้แค่หน้าแอป แล้วต้องต่อไปที่เครื่องอื่นที่รันตัวหลังบ้านไว้

คู่มือ macOS บอกว่าไม่ต้องลง Python หรือ FFmpeg เอง แอปเตรียมให้ตอนเปิดครั้งแรก ส่วนบัญชี Hugging Face เป็นของเสริม ช่วยให้โหลดโมเดลใหญ่ได้เร็วขึ้น

ติดตั้งยังไง

ขั้นที่ 1 — ดาวน์โหลดตัวติดตั้ง

ทางที่ง่ายสุดคือเข้าหน้า Releases แล้วเลือกไฟล์ให้ตรงเครื่อง Mac ชิป M ใช้ DMG ของ macOS Apple Silicon เปิดไฟล์แล้วลาก VoiceStudio.app ไปไว้ใน Applications

ถ้าถนัดพิมพ์คำสั่ง บน Mac หรือ Linux เปิด Terminal แล้ววางบรรทัดนี้ มันจะเลือกไฟล์ให้ตรงเครื่อง เช็กไฟล์ แล้วลงแอปให้

curl -fsSL https://voicestudio.sh/install | sh

บน Windows เปิด PowerShell แล้ววางบรรทัดนี้

irm https://voicestudio.sh/install | iex

ขั้นที่ 2 — เปิดแอปครั้งแรก

ตัวติดตั้งยังไม่ได้ลงทะเบียนกับ Apple เลยอาจเจอหน้าต่าง "VoiceStudio cannot be opened because the developer cannot be verified"

• คลิกขวาที่ VoiceStudio.app ใน Finder → Open → กด Open อีกครั้ง
• ถ้าไม่มีปุ่ม Open ให้ไปที่ System Settings → Privacy & Security เลื่อนลงแล้วกด Open Anyway

ทำครั้งเดียว ครั้งต่อไปดับเบิลคลิกเปิดได้เลย ตอนเปิดครั้งแรกแอปจะถามว่ายอมให้เก็บสถิติการใช้งานไหม ตอบตามที่เราสะดวกครับ

ทางลัด — ให้ Claude Code ติดตั้งให้

ใครใช้ Claude Code, Codex หรือ Cursor อยู่แล้ว ก๊อปข้อความนี้ไปวางในช่องแชทได้เลย (ข้อความนี้มาจาก README ของเขา)

Install the VoiceStudio Electron app on this device and verify it works, following
https://github.com/debpalash/VoiceStudio/blob/main/docs/install/agent.md

คู่มือที่ลิงก์ไว้สั่งให้ AI เช็กเครื่องก่อน ใช้ข้อมูลเดิมที่มีอยู่ และต้องถามเราก่อนโหลดโมเดลทุกตัว พร้อมบอกขนาดไฟล์กับไลเซนส์ ส่วนหน้าถามเรื่องเก็บสถิติ คู่มือห้าม AI ตอบแทนเรา

ลองใช้จริง

ขั้นที่ 3 — โคลนเสียงตัวเอง

1. เปิดเมนู Voice cloning
2. เลือกเสียงตัวอย่างที่ติดมากับแอป หรือเพิ่มไฟล์เสียงของเราเอง ใช้เสียงพูดชัดๆ ไม่มีเพลงหรือเสียงรบกวน
3. พิมพ์ข้อความที่อยากให้พูด แล้วกด Generate
4. ครั้งแรกแอปจะบอกให้ลงโมเดลก่อน กดติดตั้งตามที่มันขึ้น

ได้เสียงแล้ว บันทึกเป็นโปรไฟล์เสียงเก็บไว้ ครั้งหน้าเลือกเสียงเดิมแล้วพิมพ์ข้อความใหม่ได้ทันที

ขั้นที่ 4 — ออกแบบเสียงจากคำบรรยาย

เมนู Voice design ไม่ต้องมีไฟล์เสียงต้นฉบับ แค่บอกลักษณะของเสียง คำที่โมเดลเข้าใจเป็นคำภาษาอังกฤษสั้นๆ คั่นด้วยจุลภาค เช่น

female, young adult, high pitch

คำที่ใช้ได้มีเรื่องเพศ อายุ ระดับเสียง แบบกระซิบ (whisper) และสำเนียง แต่สำเนียงอย่าง british accent ใช้ได้เฉพาะตอนข้อความเป็นภาษาอังกฤษ

ขั้นที่ 5 — พากย์คลิปเป็นภาษาอื่น

1. เปิด Dub แล้วลากไฟล์วิดีโอหรือเสียงเข้าไป (หรือวางลิงก์วิดีโอ)
2. รอมันถอดเสียงเป็นข้อความทีละช่วง
3. เลือกภาษาปลายทาง กด Translate แล้วอ่านคำแปลก่อน แก้ได้ทีละประโยค
4. กด Generate แล้ว Export ไฟล์ที่พากย์แล้วออกมา

ตัวแปลภาษาเลือกได้ในหน้า Settings มีทั้งแบบออฟไลน์ แบบเว็บอย่าง Google หรือ DeepL และต่อกับ AI ที่ล็อกอินไว้แล้วอย่าง Claude Code หรือ Codex ก็ได้

เรื่องภาษาไทย

ภาษาไทยอยู่ในรายชื่อ 646 ภาษาของ OmniVoice โดยตารางบอกว่ามีข้อมูลเสียงไทยที่ใช้เทรนราว 10,500 ชั่วโมง

บทความนี้ยังไม่ได้ลองฟังเสียงไทยจริง ข้อมูลส่วนนี้มาจาก docs ทั้งหมด ลองโคลนด้วยประโยคสั้นๆ ก่อนเอาไปใช้กับคลิปยาวครับ

ต่อกับ Claude Code

พอเปิดแอปไว้ VoiceStudio จะเปิด MCP server ให้ที่ http://127.0.0.1:3900/mcp/ ให้ AI เรียกใช้เครื่องมืออย่างสร้างเสียง โคลนเสียง ถอดเสียง และดูรายชื่อเสียงที่เรามี ในแอปมีหน้า Integrations ที่ก๊อปค่าตั้งของ Claude Code ได้ หรือพิมพ์คำสั่งนี้ใน Terminal ตอนที่แอปเปิดอยู่

claude mcp add --transport http voicestudio http://127.0.0.1:3900/mcp/

จากนั้นสั่งเป็นภาษาไทยได้เลย เช่น

• อ่านสคริปต์ — "อ่านสคริปต์ในไฟล์ script.md ด้วยเสียงที่ชื่อ my-voice ใน VoiceStudio แล้วเซฟเป็น wav"
• ถอดเสียง — "ถอดเสียงไฟล์ interview.wav เป็นข้อความ"
• หาเสียง — "ลิสต์เสียงทั้งหมดที่มีใน VoiceStudio ให้ดูหน่อย"

ใครทำคลิปด้วย AI อยู่แล้ว ใช้คู่กับ HyperFrames ได้ ให้ AI ทำภาพ แล้วให้ VoiceStudio ทำเสียงพากย์ ส่วนเพลงกับเสียงประกอบฟรี ดูได้ที่แหล่งหาสื่อฟรีสำหรับทำคลิป

ข้อควรระวัง

• โคลนเฉพาะเสียงที่ได้รับอนุญาต ทั้ง README และเว็บของเขาเขียนไว้ชัดว่าห้ามใช้ปลอมเป็นคนอื่นหรือหลอกลวง
• งานลูกค้าที่รับเงิน อ่านเงื่อนไขก่อน ตัวแอปเป็น AGPL-3.0 ส่วนโมเดลและเสียงแต่ละตัวมีเงื่อนไขแยกของมันเอง ถ้าต้องการใบอนุญาตใช้เชิงพาณิชย์แบบชัดๆ เขามีตัว Pro ขาย $99 ต่อปี หรือ $299 ครั้งเดียว
• ครั้งแรกโหลดของเยอะ เตรียมพื้นที่และเน็ตไว้ เครื่องที่ไม่มีการ์ดจอจะสร้างเสียงช้ากว่าที่เห็นในคลิปโชว์
• แอปยังไม่ได้ลงทะเบียนกับ Apple ดาวน์โหลดจากหน้า Releases ของ repo นี้เท่านั้น เขาแนะนำให้เทียบค่า SHA-256 กับไฟล์ SHA256SUMS.txt ก่อนเปิด
• ไม่ใช่ทุกอย่างอยู่ในเครื่อง 100% ตอนโหลดโมเดล และตอนเลือกตัวแปลแบบออนไลน์ ข้อความหรือคำขอจะออกไปข้างนอก
• เสียงไทยยังไม่ได้ทดสอบ ในบทความนี้ ลองกับงานสั้นๆ ก่อน

สิ่งที่ได้

• รู้ว่า VoiceStudio โคลนเสียง ออกแบบเสียง และพากย์คลิปได้ในเครื่อง โดยไม่ต้องจ่ายรายเดือน
• ติดตั้งได้ 3 ทาง: DMG/Installer, คำสั่งบรรทัดเดียว, หรือให้ Claude Code ลงให้
• รู้ข้อจำกัดก่อนใช้จริง: เครื่องต้องแรงพอ เสียงไทยต้องลองเอง และเรื่องไลเซนส์

ขั้นต่อไปที่ทำได้เลย: ลงแอป แล้วโคลนเสียงตัวเองด้วยประโยคสั้นๆ ประโยคเดียว ถ้าอยากเอาเสียงไปทำคลิปด้วย AI ต่อ ดูคอร์สทั้งหมดได้ครับ

ลิงก์

• VoiceStudio บน GitHub
• เว็บ VoiceStudio
• หน้า Releases (ตัวติดตั้งล่าสุด)
• คู่มือติดตั้งบน macOS
• คู่มือติดตั้งให้ AI อ่าน
• รายชื่อภาษาที่รองรับ
• Voice Design (คำที่ใช้บรรยายเสียง)
• MCP server ของ VoiceStudio
• OmniVoice โมเดลเสียงที่อยู่เบื้องหลัง
• VoiceStudio Pro (ใบอนุญาตเชิงพาณิชย์)
• ElevenLabs Pricing