OmniVoice Studio: macOS용 오픈 소스 ElevenLabs Alternative

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

1. 🎙️ Voice Cloning — โคลนเสียงจากคลิป 3 วินาที

อัดเสียง 3 วินาที → ได้เสียงที่เหมือนคุณ — zero-shot (ไม่ต้องเทรนเพิ่ม) — รองรับ 646 ภาษา

2. 🎨 Voice Design — ออกแบบเสียงใหม่จากศูนย์

ปรับพารามิเตอร์: เพศ, อายุ, สำเนียง, ระดับเสียง, ความเร็ว, อารมณ์, ภาษาถิ่น — โดยไม่ต้องโคลนเสียงใคร

3. 🎬 Video Dubbing — พากย์วิดีโอทั้งคลิป

ใส่ YouTube URL หรือไฟล์วิดีโอ → ถอดเสียงด้วย WhisperX → แปล → สังเคราะห์เสียงใหม่ → ส่งออก MP4 — ทั้ง pipeline รันบนเครื่องคุณ

4. 📖 Audiobook Editor — ทำหนังสือเสียง

Import text, EPUB, หรือ PDF → แบ่งบทอัตโนมัติ → ปรับความดัง (loudnorm) → ใส่ metadata → ส่งออก .m4b

5. 🎭 Stories — เรื่องเล่าหลายเสียง

กำหนดเสียงให้แต่ละตัวละคร — preview — ส่งออกทั้งเรื่องแบบ full cast

6. ⌨️ Dictation Widget — พิมพ์ด้วยเสียงจากทุกแอป

กด ⌘+⇧+Space จากแอปไหนก็ได้ — ถอดเสียงผ่าน WebSocket — วางข้อความอัตโนมัติ — widget ลอยเหนือทุกหน้าต่าง

7. 🤖 MCP Server — ใช้จาก Claude, Cursor, หรือ agent ไหนก็ได้

OmniVoice Studio มี MCP Server ในตัว — Claude Code, Cursor, หรือ MCP client ไหนก็เรียกใช้ TTS/STT ได้

8. 🔐 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)

Enter fullscreen mode Exit fullscreen mode

• 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

Enter fullscreen mode Exit fullscreen mode

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",
)

Enter fullscreen mode Exit fullscreen mode

แต่ 12.6 ชั่วโมงกับ 2 speakers — น้อยมากเมื่อเทียบกับ ElevenLabs ที่เทรนด้วยข้อมูลระดับหมื่นชั่วโมง — คุณภาพน่าจะยังห่าง

ข้อจำกัดที่ควรรู้

1. ยังเป็น Beta — ของอาจพังระหว่างเวอร์ชัน — แนะนำรันจาก source แทน installer
2. Intel Mac ไม่ support — PyTorch เลิก support x86_64 macOS แล้ว
3. AMD GPU บน Windows ไม่ได้ — ROCm support เฉพาะ Linux — Windows ใช้ NVIDIA เท่านั้น
4. ต้องการ VRAM — ขั้นต่ำ 4 GB — ถ้าน้อยกว่านี้ auto-offload ไป CPU (ช้าลง)
5. 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