Outils · 2 min
Cloner ta voix et générer tes voix off en local, gratuitement
Faire une voix off propre ou dicter tes textes à la voix, aujourd'hui ça passe par ElevenLabs et Wispr Flow : deux abonnements payants, plus une clé API dès que tu veux du custom.
Ce qu’il y a dedans
- C'est quoi Voicebox
- Setup en 10 min
- 3 usages concrets
- Les limites
Faire une voix off propre ou dicter tes textes à la voix, aujourd'hui ça passe par ElevenLabs et Wispr Flow : deux abonnements payants, plus une clé API dès que tu veux du custom. Voicebox fait les deux sur ta machine, gratuitement et hors-ligne, et cette fiche te le fait tourner en 10 min.
C'est quoi Voicebox
Open source : github.com/jamiepine/voicebox. Créé par Jamie Pine (le fondateur de Spacedrive), sous licence MIT, avec plus de 54 000 stars GitHub.
Les 3 trucs qui comptent :
- Clonage de voix. À partir de quelques secondes d'audio, tu recrées une voix et tu lui fais dire ce que tu veux.
- Voix off multilingue. Génération dans 23 langues (français inclus) via 7 moteurs différents (Kokoro, Chatterbox, Qwen3-TTS...).
- Dictée système. Un raccourci clavier transcrit ta voix directement dans n'importe quel champ texte (mail, Notion, doc), sans passer par le cloud.
Setup en 10 min
Prérequis : un Mac (Apple Silicon ou Intel) ou un PC Windows 64-bit. Compte environ 600 Mo pour l'appli, plus le téléchargement d'un modèle au premier lancement. (Sous Linux, c'est un build depuis les sources.)
- Télécharge l'appli. Va sur voicebox.sh, prends la version de ton OS (.dmg pour Mac, .msi pour Windows).
- Installe et lance. Au premier démarrage, choisis un modèle de voix (Kokoro est léger pour commencer) et laisse-le se télécharger.
- Premier test. Colle un texte, clique sur Generate, écoute. Pour la dictée : active le raccourci global et parle dans n'importe quel champ texte.
3 usages concrets
- Voix off de tes Reels et vidéos, sans payer au caractère. Tu génères la narration en français et tu la poses sur ton montage. (Combine avec ta stack UGC, voir lead magnet FLOW.)
- Dicter au lieu de taper. Tu réponds à tes DM, tu drafts tes posts et tes mails bien plus vite en parlant, tout reste sur ta machine.
- Donner une voix à tes agents IA. Le serveur MCP intégré permet à un agent (Claude par exemple) de te répondre en audio, avec la voix de ton choix.
Les limites
- Ça tourne sur ta machine. Les modèles sont lourds, il te faut un ordi récent (un GPU aide beaucoup), sinon la génération rame.
- Pas tout à fait le niveau d'ElevenLabs sur la prosodie la plus naturelle. Pour 90 % des usages c'est bluffant. Sur une pub premium, tu entendras parfois la différence.
Télécharge-le ce soir, clone ta voix en 2 min, tu verras direct s'il remplace tes abos.
