Voicebox の代替と、それが必要になる場面
Voicebox は MIT ライセンスの無料オープンソース音声スタジオです。数秒の音声から声をクローンし、8つの TTS エンジンを切り替え、23言語を話し、エフェクトをかけ、複数の声の物語を編集し、ディクテーションを受け付け、MCP で AI エージェントに声を与えます。GitHub で最も人気のある音声プロジェクトのひとつで、多くの人にとって最適な道具です。なお、名前が似ていますが、日本の読み上げソフト VOICEVOX（ボイスボックス）とは別のソフトです。
このガイドは、それが合わない場合のためのものです。すぐ使えるキャラクター音声、ふつうの CPU で動く1つの高速モデル、スクリプト用のコマンドライン、クラウド API が欲しいとき。Meta の Voicebox を探していたなら、最後の節を見てください。
Voicebox の得意なこと
学習なしで参照音声からのクローン、50以上のプリセット音声、テキスト指示による話し方の制御、Chatterbox Turbo の笑いやため息などのタグ、8種類の音声エフェクト、会話やポッドキャスト用のタイムライン編集、Whisper によるシステム全体のディクテーション、REST API と MCP サーバー。macOS、Windows、Docker でローカルに動き、Linux ではソースからビルドします。
SuperClonica の違い
SuperClonica は1つのモデル Supertonic 3 のためのエンジンで、ふつうの CPU での速さに合わせて調整され、31言語を話します。生成時にクローンするのではなく、声は一度学習すると小さな JSON ファイルになり、どこでも動きます。カタログにはナレーター、アナウンサー、ファンメイドのキャラクターなど約190のすぐ使える声があり、どれも30〜100文字のセリフで無料で試せます。自分の声は短い録音からスタジオで学習できます。
スクリプト、サーバー、ボットに
python -m pip install superclonica-cpu で Windows、Apple Silicon の macOS、Linux に無料エンジンをインストールし、コマンド1つでファイルを読み上げます：superclonica --text-file script.txt --voice F2 --lang ja --output script.wav。同じエンジンは Python ライブラリとしても使え、クラウドの音声 API は POST 1回で音声を返し、1日3分まで無料です。
どちらを選ぶか
学習なしのクローン、表現タグ、ディクテーション、オールインワンのスタジオが欲しく、大きなエンジン用の GPU があるなら Voicebox。すぐ使えるキャラクター音声、CPU での高速なオフライン生成、1つのモデルで31言語、pip での軽いインストールや API が欲しいなら SuperClonica。どちらも無料で試せ、両方使うこともできます。
Meta の Voicebox のこと
Meta は2023年に研究用の音声モデル Voicebox を発表しましたが、悪用の危険を理由に一般公開していません。ダウンロードできるものはないので、現実的な代替は上の Voicebox スタジオのようなオープンなプロジェクトや、SuperClonica のようなエンジンです。