VoiceStudio คืออะไร? ตัวเลือกฟรีแทน ElevenLabs ที่รันบนเครื่องตัวเอง ใช้แทนได้จริงไหม?

ทวีตภาษาอาหรับจากบัญชี @EngMoElgaraihy เมื่อ 30 ต.ค. 2026 กลายเป็นที่พูดถึงเร็ว ๆ นี้ เขียนทำนองว่า "ยุคของค่าสมาชิกรายเดือนจบแล้ว" เพราะมีเครื่องมือฟรีโอเพนซอร์สตัวหนึ่งที่ทำให้ ElevenLabs ไม่ใช่ตัวเลือกเดียวอีกต่อไป

ตัวเลขในทวีตคือหกเดือนได้ 94,000 ดาวบน GitHub และขึ้นอันดับหนึ่งบน Trending

ผมเข้าไปดูรีโปจริง ดูลิขสิทธิ์ อ่านเอกสารประสิทธิภาพ แล้วเทียบทีละข้อว่าอะไรจริง อะไรจริงบางส่วน และอะไรที่ทวีตไม่บอก

debpalash/VoiceStudio เป็นสตูดิโอเสียงในเครื่องที่รวมโคลนเสียง พากย์วิดีโอ ออกแบบเสียง ถอดความ และทำหนังสือเสียงไว้ในโปรแกรมเดียว ค่าเริ่มต้นคือประมวลผลในเครื่อง ไม่ต้องส่งไฟล์เสียงขึ้นคลาวด์

แต่ต้องเข้าใจให้ตรง เอกสารแบรนด์ของรีโปเตือนนักพัฒนาเองว่า ห้ามอ้างเรื่องความเป็นส่วนตัวแบบเบ็ดเสร็จ เพราะฟีเจอร์ที่ต่อเครือข่ายมีจริง ทั้งการแปลซับด้วย LLM ผ่านคลาวด์ การเก็บสถิติแบบขอความยินยอม และการดาวน์โหลดโมเดล ทั้งหมดเป็นแบบเลือกเปิดเอง

ในหน้า README มีทีมหลักสองคนจริง คือ Palash Debnath และ Shimul Debnath

แต่รายชื่อ contributor บน GitHub มีเกินร้อยคน โดยสองคนแรกมี commit 4,594 และ 912 ครั้ง ส่วนที่เหลือกระจายกันไป แปลว่าแกนหลักคือสองคน แต่ผลงานที่เห็นไม่ใช่ฝีมือสองคนล้วน

หนึ่ง โคลนเสียงจากคลิปเดียว README เขียนว่าใช้ไฟล์เสียงอ้างอิงที่สะอาดแปลงเป็นคำพูดด้วยเสียงคุ้นหู

มีรายละเอียดที่ทวีตไม่บอก คือต้องมีข้อความถอดเสียงของคลิปนั้นด้วย ถ้าไม่มี โปรแกรมจะให้ Whisper ถอดให้ ซึ่งกินเวลาเพิ่ม และในรุ่นก่อน v0.3.15 ยังถอดซ้ำทุกครั้งที่สร้างเสียง

สอง พากย์วิดีโอ 646 ภาษา ตัวเลขนี้มาจากหน้า README ที่เขียนว่าโคลน ออกแบบเสียง พากย์ ถอดความ และทำหนังสือเสียงได้ใน 646 ภาษา

ฐานเบื้องหลังคือโมเดล OmniVoice ของ k2-fsa ซึ่งหน้าโมเดลระบุ 646 ภาษา ตรงกับตัวเลขใน README ตารางภาษาในรีโปก็มี 646 แถว รวมข้อมูลฝึกราว 581,000 ชั่วโมง

สาม ออกแบบเสียงด้วยคำอธิบาย มีจริงตาม README หัวข้อ voice design คือพิมพ์คำบรรยายเสียงแล้วให้ระบบสร้าง

สี่ ถอดความและทำหนังสือเสียง มีจริงในหัวข้อ dictate, transcribe และ narrate

ห้า ใช้ได้บน Mac, Windows, Linux, Android, iPhone จริง แต่ต้องอ่านสถานะให้ดี

macOS (Apple Silicon) เสถียร Windows 10/11 x64 เสถียร Linux x64 เสถียร Docker เสถียร Android 10+ Preview iPhone / iPad iOS 17+ Preview (ติดตั้งแบบ sideload) Windows on ARM ทดลอง Intel Mac จำกัด (UI อย่างเดียว ต่อ backend) Enter fullscreen mode Exit fullscreen mode คำว่า Preview สำคัญ เพราะแปลว่ายังไม่ผ่านการทดสอบเท่ารุ่นเดสก์ท็อป และ iOS ต้องติดตั้งผ่านไฟล์ ipa ไม่ใช่โหลดจาก App Store

ทวีตเขียนว่าไม่ต้องใช้การ์ดจอแรง ซึ่งเอกสารยืนยันว่าใช้ซีพียูได้จริง

แต่ประโยคที่ตามมาคือ ช้ากว่าหลายเท่า ไม่ใช่ช้าเล็กน้อย

เอกสารยังเตือนอีกสองเรื่องที่คนเพิ่งเริ่มมักตกใจ

หนึ่ง สัญญาอนุญาตของตัวโปรแกรมกับของโมเดลคนละชั้น ตัวโปรแกรมเป็น AGPL-3.0 ซึ่งใช้เชิงพาณิชย์ได้ตามเงื่อนไข แต่โมเดลที่ใช้สร้างเสียงมีลิขสิทธิ์ของตัวเอง

เอกสารลิขสิทธิ์ของรีโปเขียนตรง ๆ ว่ามีอย่างน้อยสี่รายการที่เป็นเงื่อนไขแบบไม่ใช่เชิงพาณิชย์ ได้แก่ OmniVoice, OmniVoice-GGUF, NLLB และ Llama-OuteTTS และหลายรายการยังไม่ผ่านการตรวจสอบ

แปลว่าถ้าคุณจะเอาไปใช้ในงานที่ได้เงิน ต้องเปิดเอกสารนี้ตรวจทีละโมเดลก่อน ไม่ใช่เชื่อคำว่า "ฟรี" ในทวีต

สอง AGPL มีผลกับคนที่ให้บริการผ่านเครือข่าย ถ้าคุณเอาโปรแกรมนี้ไปทำเป็นบริการให้คนอื่นใช้ผ่านเว็บ คุณมีหน้าที่ต้องเปิดโค้ดที่แก้ให้ผู้ใช้ด้วย ไม่ใช่แค่ใช้ฟรีเงียบ ๆ

สาม คุณภาพเทียบ ElevenLabs ยังไม่มีงานวิจัยอิสระ ทวีตเขียนว่า ElevenLabs "จบแล้ว" แต่ผมค้นไม่พบการทดสอบเปรียบเทียบที่เป็นกลางว่า VoiceStudio ให้คุณภาพใกล้เคียงหรือดีกว่าในทุกภาษา

ที่พบคือรีวิวจากผู้ใช้และวิดีโอสาธิต ซึ่งบอกได้แค่ว่าใช้ได้ ไม่ได้บอกว่าแทนกันได้ทุกกรณี

สี่ การโคลนเสียงมีข้อกฎหมาย README เองเตือนให้โคลนเฉพาะเสียงที่ได้รับอนุญาตจากเจ้าของ เรื่องนี้สำคัญกว่าประเด็นราคามาก เพราะเสียงเป็นข้อมูลส่วนบุคคล

ควรลองถ้า คุณทำงานเสียงบ่อย ต้องการเก็บไฟล์ไว้ในเครื่องเพราะข้อมูลอ่อนไหว หรืออยากทดลองทำหนังสือเสียงและพากย์วิดีโอโดยไม่ผูกค่าสมัครรายเดือน

ยังไม่ต้องถ้า คุณต้องการคุณภาพระดับโฆษณาที่ผ่านการรับรอง หรือต้องใช้เชิงพาณิชย์เต็มรูปแบบ เพราะยังต้องไล่ตรวจลิขสิทธิ์โมเดลทีละตัว

และถ้าเครื่องคุณเป็น Intel Mac ตัวโปรแกรมทำได้แค่หน้าจอ ต้องต่อกับเครื่องอื่นที่รันโมเดล

ทางที่ตรงที่สุดคือโหลดตัวติดตั้งจากหน้า release ของรีโป มีทั้ง dmg สำหรับ mac, exe สำหรับ Windows, AppImage กับ deb สำหรับ Linux

ถ้าอยากรันบนเซิร์ฟเวอร์ในบ้าน ใช้ Docker จากอิมเมจ GHCR ได้ มีอิมเมจสำหรับ CPU ด้วย ทำงานได้แต่ช้ากว่า ถ้าต้องการความเร็วให้ใช้ NVIDIA CUDA หรือ AMD ROCm

ผมยังไม่ได้ติดตั้ง VoiceStudio แล้วสร้างเสียงจริงในรอบนี้ สิ่งที่ผมตรวจคือข้อมูลรีโป เอกสารประสิทธิภาพ เอกสารลิขสิทธิ์ และหน้าโมเดล

ดังนั้นคำถามว่า "เสียงออกมาดีแค่ไหน" ผมตอบด้วยประสบการณ์ตรงไม่ได้ และไม่ควรให้ใครตอบแทนผมด้วยตัวเลขที่ไม่มีที่มา

ถ้าคุณลองแล้ว อยากรู้เหมือนกันว่าเสียงภาษาไทยเป็นอย่างไร เพราะเอกสารระบุจำนวนภาษาเยอะ แต่คุณภาพแต่ละภาษาขึ้นกับข้อมูลฝึกของโมเดล ซึ่งรีโปไม่ได้แยกตัวเลขไว้

X (Twitter) · @EngMoElgaraihy · 30 ต.ค. 2026 · 258,409 วิว · 3,076 ไลก์ · https://x.com/EngMoElgaraihy/status/2116125267189985355 GitHub · debpalash/VoiceStudio (เข้าถึง 1 พ.ย. 2026) · https://github.com/debpalash/VoiceStudio รีโปเดียวกัน · README ฉบับ main (เข้าถึง 1 พ.ย.

2026) · https://github.com/debpalash/VoiceStudio/blob/main/README.md รีโปเดียวกัน · docs/performance.md (เข้าถึง 1 พ.ย. 2026) · https://github.com/debpalash/VoiceStudio/blob/main/docs/performance.md รีโปเดียวกัน · docs/licensing/model-inventory.md (เข้าถึง 1 พ.ย. 2026) · https://github.com/debpalash/VoiceStudio/blob/main/docs/licensing/model-inventory.md GitHub REST API · ข้อมูลรีโป ผู้ร่วมพัฒนา และ issue (1 พ.ย.

2026) · https://api.github.com/repos/debpalash/VoiceStudio Hugging Face · k2-fsa/OmniVoice (เข้าถึง 1 พ.ย. 2026) · https://huggingface.co/k2-fsa/OmniVoice GitHub Releases · VoiceStudio v0.5.7 (26 ต.ค. 2026) · https://github.com/debpalash/VoiceStudio/releases/latest รีโปเดียวกัน · docs/branding.md (เข้าถึง 1 พ.ย.

2026) · https://github.com/debpalash/VoiceStudio/blob/main/docs/branding.md รีโปเดียวกัน · docs/languages.md (เข้าถึง 1 พ.ย. 2026) · https://github.com/debpalash/VoiceStudio/blob/main/docs/languages.md

บทความนี้เขียนโดย AI (deepseek-v4.1-flash · ผู้ให้บริการโมเดล: ollama-cloud) ผ่าน Hermes Agent ภายใต้การควบคุมและตรวจสอบคุณภาพโดยมนุษย์ - Nokka (นก-กา)