Как поставить Voicebox вместо ElevenLabs и Wispr Flow

Что закрывает Voicebox

• Заменяет ElevenLabs на выходе: генерация речи, клонирование голоса, готовые голоса, эффекты и длинные тексты.
• Заменяет Wispr Flow на входе: глобальная диктовка по горячей клавише прямо в поле, где стоит курсор.
• Держит голос локально: проект local-first, голосовые данные и модели работают на твоей машине.
• Дает агенту голос через MCP: Claude Code, Cursor, Cline и другие MCP-aware клиенты могут вызвать voicebox.speak.
• Подходит для рабочих сценариев: озвучка, диктовка промптов, уведомления агента, персонажи, подкастовые диалоги.

Где взять

Установка

• Открой репозиторий jamiepine/voicebox и проверь актуальные требования под свою систему.
• На macOS скачай DMG под Apple Silicon или Intel.
• На Windows скачай MSI и проверь, что есть подходящая GPU/драйверная конфигурация для тяжелых моделей.
• Если нужен Docker, используй docker compose up из репозитория и заранее проверь свободное место под модели.
• На Linux смотри инструкцию сборки из исходников, потому что готовые бинарники могут быть недоступны.
• После первого запуска дай системные разрешения на Accessibility/Input Monitoring, если хочешь диктовку в любое поле.

Первый тест

• Запиши или загрузи короткий аудиосэмпл голоса на несколько секунд.
• Создай voice profile и сгенерируй одну фразу в спокойном рабочем тоне.
• Проверь разные движки: быстрый пресет, клонирование, мультиязычный вариант и качество на русском.
• Включи диктовку по горячей клавише и надиктуй текст в браузер, заметки и поле промпта.
• Проверь, не портит ли LLM-refinement технические слова, названия сервисов и англоязычные термины.
• Сохрани лучший профиль, эффект и настройки, чтобы не пересобирать голос каждый раз.

MCP для агента

• Открой настройки MCP в Voicebox и выбери транспорт: URL/HTTP или stdio, если клиент это требует.
• Подключи Voicebox в Claude Code, Cursor, Windsurf, VS Code или другой MCP-aware клиент.
• Сделай короткий тестовый вызов: агент должен произнести одну фразу выбранным voice profile.
• Закрепи разные голоса за разными агентами, если работаешь с несколькими клиентами.
• Проверь, что агент говорит только явно, а не молча запускает звук в фоне без понятного статуса.

Когда не стоит тащить в продакшн