VoiceStudio, eine freie Anwendung, die Stimmen klont und Videos auf dem Computer vertont, nähert sich den 95.000 Sternen auf GitHub. Die App ist kostenlos, aber das standardmäßig installierte Sprachmodell verbietet die kommerzielle Nutzung, und die reine CPU verlangsamt die Generierung deutlich.
Das Repository VoiceStudio zeigte 94,9k Sterne am 30. Oktober, laut Trendshift, das 82.898 Sterne in 61 Tagen zwischen dem 31. August und dem 30. Oktober zählt. Dieselbe Seite hat es mehrfach im September als Tagesgewinner über alle Sprachen hinweg eingestuft. Zwei Namen erscheinen als Verantwortliche für das Projekt, Palash und Shimul Debnath, wobei Letzterer mit Version 0.5.7 vom 26. Oktober zum Hauptteam gestoßen ist, und 21 Mitwirkende sind aufgeführt: Die kursierende Zahl von « zwei Entwicklern » ist somit unvollständig.
Virale Beiträge ziehen daraus eine einfache Schlussfolgerung: ElevenLabs wäre erledigt, da ein kostenloses Repository dasselbe auf einem Laptop leisten würde. Doch die Projektunterlagen erzählen eine differenziertere Geschichte, zwischen Modelllizenz, benötigter Hardware und einer noch in der Beta befindlichen Anwendung.
Was VoiceStudio macht: Stimmen klonen, vertonen und gestalten ohne Konto oder API-Schlüssel
VoiceStudio, früher OmniVoice Studio, ist eine Open-Source-Desktop-Anwendung, die Stimmenklonung, Stimmengestaltung, Videovertonung, Diktat, Transkription und Hörbücher vereint, laut ihrer offiziellen Website. Alles läuft lokal ab: Kein Konto, kein API-Schlüssel, kein Abonnement für diese Funktionen, und die App verbindet sich nur für Updates und Modell-Downloads mit dem Internet. Sie fordert auch die Zustimmung des Stimmeninhabers vor einem Klonvorgang ein.
Für das Klonen gibt Clubic an, dass 3 Sekunden Probe für einen ersten Versuch ausreichen, auch wenn 5 bis 15 Sekunden empfohlen werden. Die Stimmengestaltung beginnt mit einer schriftlichen Beschreibung: Die Seite nennt das Beispiel « female, middle-aged, low pitch, British accent ». Die App läuft auf macOS, Windows, Linux und Docker sowie in einer « Preview »-Version auf Android und iOS.
Was die angekündigten 646 Sprachen betrifft, präzisiert die Website, dass die Verfügbarkeit je nach Engine, Aufgabe und Version variiert. Diese Zahl gilt also nicht für jede Vertonung.
Kommerzielle Nutzung: App unter AGPL-3.0, Standardmodell unter CC-BY-NC
Das Repository ist unter der AGPL-3.0-Lizenz veröffentlicht, und die Lizenzseite des Projekts präzisiert, dass die kommerzielle Nutzung der Anwendung keine separate Lizenz erfordert, während die Bedingungen für Modelle und Outputs separat zu prüfen sind. Dieser zweite Teil ändert alles für jemanden, der produzieren und verkaufen möchte.
Das Standardmodell, OmniVoice, entwickelt von k2-fsa, ist nicht für alle Zwecke frei. Sein Code steht unter Apache 2.0, aber seine vortrainierten Gewichte sind unter CC-BY-NC, schreiben seine Autoren auf Hugging Face, weil einige Trainingsdaten diese Einschränkung auferlegen. Der Modellbildschirm der App zeigt zudem « Non-commercial » neben der Standard-Engine und « Commercial OK » neben mehreren alternativen Engines, von denen einige noch zu installieren sind.
Wenn Sie eine kommerzielle Nutzung anstreben, müssen Sie also Engine für Engine prüfen und sich nicht auf das Wort « kostenlos » verlassen. Die Website kündigt auch ein « Pro »-Angebot an, vorgestellt als « Coming soon », für 99 $ pro Jahr oder 199 $, mit einer kommerziellen Lizenz. Das ist nicht dasselbe Versprechen wie das « 100 % kostenlos » der viralen Beiträge.
Läuft VoiceStudio ohne GPU? 8 GB RAM reichen zum Starten
Die Website gibt an, dass etwa 8 GB Arbeitsspeicher zum Starten ausreichen und eine GPU alles beschleunigt. Die Projektdokumentation warnt, dass die reine CPU etwa 2-mal langsamer ist als ein Apple-Chip (MPS) und noch langsamer im Vergleich zu einer NVIDIA-Karte (CUDA). In diesem Kontext bedeutet « ohne GPU » bei viel Sprachproduktion « möglich », nicht « schnell ».
Unter Windows beschränkt sich die PyTorch-Beschleunigung auf NVIDIA-Karten: AMD- und Intel-GPUs fallen auf die CPU zurück, außer bei bestimmten Engines. Ein Intel-Mac dient nur als Schnittstelle und benötigt einen Remote-Server. Clubic fügt hinzu, dass die App noch in der Beta-Version ist und die Generierung ohne geeignete GPU langsam sein kann.
ElevenLabs bleibt im Verkauf, mit 10.000 kostenlosen Credits pro Monat
Die Preisseite von ElevenLabs zeigt nach wie vor einen kostenlosen Tarif mit 10.000 Credits pro Monat, dann einen Starter-Tarif für 6 $ pro Monat, der eine kommerzielle Lizenz beinhaltet. Die Stufen steigen bis zu 990 $ pro Monat für das Business-Angebot, und das Enterprise-Angebot erfolgt auf Anfrage. Der Blogbeitrag des Unternehmens erwähnt zudem ein VPC-Deployment sowie ein On-Premise- und On-Device-Deployment im Early Access für Unternehmen.
Zwischen den beiden dreht sich die Debatte weniger um die Kostenlosigkeit als um die Lizenz, die Geschwindigkeit und die Qualität. Wir haben keinen unabhängigen Qualitätsvergleich zwischen VoiceStudio und ElevenLabs gefunden, und die von der App angebotenen Engines haben nicht alle dieselben Nutzungsbedingungen. Es bleibt abzuwarten, wie viele der 94,9k Sterne von Nutzern stammen, die die Modelllizenz gelesen haben.
