AI TOOLS | 목소리 복제
공짜 앱 Voicebox로내 목소리 복제하기설치부터 첫 문장까지
공식 문서 원문, 맥·윈도 설치, 녹음부터 첫 문장까지 실제 화면 5단계, 녹음 대본, 일레븐랩스 요금 비교
Voicebox(보이스박스)는 내 목소리를 녹음해 두면 쓴 글을 그 목소리로 읽어 주는 무료 앱이에요. 릴스에서 말씀드린 설치부터 복제까지 순서를 실제 앱 화면으로 정리했어요. 우리도 이 순서대로 맥에서 직접 해 봤습니다.
한눈에
공식 설명 원문
Voicebox는 개발자 Jamie Pine이 GitHub에 공개한 오픈소스 앱이에요. 이 글의 사실은 GitHub 저장소, 공식 사이트, 공식 문서에서 확인했어요. 눌러서 원문을 바로 볼 수 있어요.



공식 문서에 이렇게 적혀 있어요
- 공식 문서 'Voice Cloning'깨끗한 말소리 10~30초를 넣으면 모델이 목소리 특징을 뽑아내고, 그다음부터는 어떤 글이든 그 목소리로 만들 수 있다.You provide 10-30 seconds of clear speech, the model extracts a voice embedding, and from then on you can generate any text in that voice.
- 공식 문서 'Voice Cloning'Qwen3-TTS 엔진: 영어·중국어·일본어·한국어 등 10개 언어.Qwen3-TTS — English, Chinese, Japanese, Korean, … (10)
- 가격 페이지앱은 무료다. 영원히. 0달러, 계정 필요 없음.The app is free. Forever. / $0 No account required
- 공식 사이트인터넷 없이 돌아간다. (처음 모델을 받을 때는 인터넷이 필요해요)Works offline
- README음성 엔진 7개를 쓸 수 있다.7 TTS engines — Qwen3-TTS, Qwen CustomVoice, LuxTTS, Chatterbox Multilingual, Chatterbox Turbo, HumeAI TADA, and Kokoro
| 만든 사람 | Jamie Pine 개인 프로젝트. 온라인 서비스 운영은 Spacedrive Technology Inc. |
|---|---|
| 최신판 | v0.5.0 (2026-04-26 공개, 한국 시간) |
| 요금 | 무료. 계정 없음. 클라우드 백업(연 12달러)은 '출시 예정'인 선택 사항이에요 |
| 한국어 복제 엔진 | Qwen3-TTS(1.7B·0.6B, 기본 1.7B), Chatterbox Multilingual |
| 녹음 길이 | 앱 권장 10~30초. 앱이 받는 범위는 2~30초 |
| 라이선스 | 앱 MIT, Qwen3-TTS 모델 Apache 2.0, Chatterbox 모델 MIT |
| 앱 화면 | 영어·일본어·중국어. 한국어 화면은 없어요 |
| 설치 파일 | 맥(애플 실리콘·인텔), 윈도. 리눅스는 아직 없어요 |
| GitHub 별 | 58,936개 (2026-10-29 조회) |
직접 해 봤어요
Ai.Mag 대표 목소리를 앱 안에서 13초 녹음해 복제한 뒤, 아래 문장을 넣어 만든 소리예요. 직접 들어 보세요.
Voicebox가 만든 목소리 · 4.6초
“안녕하세요 에이맥입니다. 여러분들 이거는 AI가 복제한 제 목소리입니다.”
| 컴퓨터 | 맥(애플 실리콘), 메모리 24GB |
|---|---|
| 앱 | Voicebox v0.5.0 |
| 처음 받은 모델 | Qwen TTS 1.7B, 약 4.2GB (처음 쓸 때 한 번) |
| 녹음 | 앱 안에서 13초 (아래 대본) |
| 목소리 설정 | 언어 Korean, 엔진 Qwen3-TTS 1.7B |
| 걸린 시간 | 4.6초짜리 문장에 약 25초 |
| 글자 확인 | 받아쓰기로 확인하니 넣은 글자를 그대로 읽었어요 |
2026-10-29, 맥 한 대에서 해 본 결과예요. 걸리는 시간은 컴퓨터와 모델에 따라 달라요. 첫 시도는 '생성 실패'가 떠서 한 번 더 만들었어요(안 될 때).
설치
맥과 윈도 설치 파일이 있어요. 공식 사이트(voicebox.sh)나 GitHub Releases에서 받아요.
맥v0.5.0
필요한 것macOS 11 이상, 메모리 8GB 이상(권장 16GB 이상), 여유 공간 5GB 이상(권장 10GB 이상). 모델과 만든 음성이 이 공간을 써요.
- 받기 애플 실리콘 맥은 voicebox.sh/download/mac-arm에서
Voicebox_0.5.0_aarch64.dmg(약 513MB). 인텔 맥은 Voicebox_0.5.0_x64.dmg(약 560MB)예요. - 넣고 열기 받은 DMG를 열어 Voicebox를 '응용 프로그램(Applications)' 폴더로 옮기고 열어요.
- 첫 모델 받기 처음 음성을 만들 때 그 엔진의 모델을 자동으로 받아요. 이때는 인터넷이 필요해요. 우리 맥에서는 Qwen TTS 1.7B 약 4.2GB를 받았어요(공식 문서 표기는 약 3.5GB). 받은 뒤에는 인터넷 없이 돌아가요.


만든 목소리와 음성은 맥의 ~/Library/Application Support/sh.voicebox.app/ 폴더에 저장돼요(공식 문서).
윈도v0.5.0
필요한 것Windows 10 이상, 메모리 8GB 이상(권장 16GB 이상), 여유 공간 5GB 이상. 빠르게 만들려면 NVIDIA 그래픽카드를 권장해요.
- 받기 GitHub Releases v0.5.0에서
Voicebox_0.5.0_x64-setup.exe(약 517MB) 또는Voicebox_0.5.0_x64_en-US.msi(약 518MB)를 받아 설치해요. - 그래픽카드 가속(선택) NVIDIA 그래픽카드로 GPU 가속을 켜면 처음 쓸 때 CUDA 파일을 따로 받아요(압축 상태로 약 1.03GB + 약 2.11GB).
- 설치한 뒤 아래 복제 5단계를 따라 하면 돼요.
윈도는 우리가 직접 해 보지 않았어요. 리눅스는 완성된 설치 파일이 아직 없어요(직접 빌드해야 해요).
목소리 복제 5단계
앱 화면은 영어예요(한국어 화면은 아직 없어요). 아래 화면은 우리가 v0.5.0 맥 앱에서 실제로 누른 장면이고, 소리 없이 반복 재생돼요.
시작왼쪽 메뉴 Voices → 위쪽 Create Voice → Clone from audio를 누르면 1단계 화면이 나와요.
1녹음하기
Record 탭에서 Start Recording을 누르고 아래 대본을 소리 내어 읽어요. 다 읽으면 Stop Recording. 녹음 파일이 이미 있으면 Upload로 올려도 돼요(WAV 권장, MP3·M4A·FLAC도 돼요).
이 목소리, 진짜 제 목소리일까요? 아니면 AI일까요? 지난 릴스 두 편은, 사실 제 목소리를 복제한 AI가 읽었습니다. 오늘은 공짜 앱으로, 직접 해 보겠습니다.우리가 실제로 읽은 대본이에요(13초). 내 문장으로 바꿔도 돼요. 다만 어떤 문장이든 2단계 대본 칸에 똑같이 넣어야 해요. 공식 문서는 10~30초를 권하고, 5초보다 짧은 녹음은 피하라고 해요.

2대본 넣기
녹음이 끝나면(Recording complete) 아래 Reference Text 칸에 방금 읽은 대본을 그대로 붙여 넣어요.
녹음한 말과 이 칸의 글이 똑같아야 해요. 칸 안에도 ’녹음에서 한 말을 정확히 적으라’고 쓰여 있고, 비워 두면 ‘Reference text is required’(대본이 필요합니다)라는 안내가 떠요. Voicebox가 쓰는 Qwen3-TTS 모델의 공식 설명도 녹음과 그 녹음의 대본을 함께 넣으라고 하고, 대본 없이 하면 복제 품질이 떨어질 수 있다고 적어 뒀어요.
왜 똑같아야 하나요
- Voicebox 앱 안내 문구녹음에서 한 말을 정확히 적으세요.Enter the exact text spoken in the audio…
- Qwen3-TTS 공식 모델 설명녹음과 함께 그 녹음의 대본을 넣는다. 대본 없이 목소리 특징만 쓰는 방식도 있지만, 복제 품질이 떨어질 수 있다.provide a reference audio clip (ref_audio) along with its transcript (ref_text). If you set x_vector_only_mode=True, only the speaker embedding is used so ref_text is not required, but cloning quality may be reduced.
직접 치기 번거로우면 Transcribe를 눌러 받아쓰기로 채울 수 있어요. 채워진 글이 실제로 한 말과 다르면 고쳐 주세요.
3이름 적고, 언어는 Korean
Name에 목소리 이름을 적고(우리는 '에이맥'), Language를 Korean으로 바꾼 뒤 Create Profile을 눌러요. Description·Personality는 비워도 돼요.
우리 화면에서는 Language가 처음에 English로 되어 있었어요. Default Engine은 No preference 그대로 두고, 엔진은 4단계 입력 칸에서 골랐어요.
4읽힐 글 쓰고 생성
만든 목소리 카드가 골라진 상태에서 아래 입력 칸(Generate speech using …)에 읽힐 글을 쓰고, 오른쪽 반짝이 버튼(Generate speech)을 눌러요. 칸 아래가 Korean · Qwen3-TTS 1.7B인지 확인하세요.
안녕하세요 [이름]입니다. 이거는 AI가 복제한 제 목소리입니다.처음엔 짧은 문장으로 시험해 보세요. 우리가 넣은 문장은 위 직접 해 봤어요에서 들을 수 있어요. 공식 문서도 품질이 가장 좋은 것으로 Qwen3-TTS 1.7B를 추천해요.
5듣고 저장
만드는 동안 결과 칸에 'Generating…'이 떠요. 끝나면 결과가 목록에 생기고 아래 재생 막대에서 바로 들려줘요. 파일로 남기려면 결과에서 Export Audio를 누르면 WAV 파일로 저장돼요.
일레븐랩스와 비교
유료 목소리 복제 서비스 일레븐랩스(ElevenLabs)와 값을 비교했어요. 일레븐랩스는 무료 요금제로는 복제가 안 되고, 월 6달러(Starter)부터 돼요. 더 정밀한 전문 복제는 월 22달러(Creator)예요.
| 무엇 | 한 달 요금 | 목소리 복제 |
|---|---|---|
| Voicebox | 0원 | 됨 · 계정 없이 내 컴퓨터에서 |
| 일레븐랩스 Free | 0원 | 안 됨 |
| 일레븐랩스 Starter | 6달러 (약 8,000원) | 즉석 복제 |
| 일레븐랩스 Creator | 22달러 (약 29,500원) | 즉석 + 전문 복제 |
- Starter는 11월 1일까지 첫 달 1달러(약 1,300원), Creator는 첫 달 11달러(약 14,700원)예요. 1년 결제면 Starter 월 5달러, Creator 월 18.33달러예요.
- 일레븐랩스 무료 요금제는 상업 이용도 안 돼요. 상업 라이선스(Commercial License)는 Starter부터 붙어요.


2026-10-29 각 회사 공식 가격 페이지 기준, 세금 별도. 원화는 1달러 = 1,340.47원(유럽중앙은행 2026-10-28 기준)으로 바꾼 값이에요. 두 서비스의 음질은 비교하지 않았어요.
주의할 것·안 될 때
- 남의 목소리는 허락 없이 복제하지 마세요. 공식 문서에 ’목소리 복제는 동의가 있을 때만 써야 하고, 남의 목소리를 복제할 허락을 받았는지 확인하라’고 적혀 있어요. Voicebox 약관(웹사이트·클라우드)도 다른 사람을 사칭하거나 내 것이 아닌 목소리를 공유하는 것을 금지해요.

- 상업 이용은 라이선스 기준이에요. 앱은 MIT, Qwen3-TTS 모델은 Apache 2.0, Chatterbox 모델은 MIT 라이선스예요. 세 라이선스 모두 상업 이용을 허용하고, 만든 음성을 따로 제한하는 문구는 없어요. 다만 ’만든 음성을 상업적으로 써도 된다’고 직접 밝힌 공식 문장은 찾지 못했어요.
- Chatterbox 엔진은 워터마크가 들어가요. Chatterbox로 만든 음성에는 귀에 들리지 않는 워터마크(PerTh)가 들어가요. 우리가 쓴 Qwen3-TTS는 공식 자료에 워터마크 언급이 없어요.
- 앱 화면은 영어예요. 일본어·중국어 화면은 있지만 한국어 화면은 없어요. 한국어로 읽히고 복제하는 건 돼요.
- 공간과 메모리가 필요해요. 최소 메모리 8GB, 여유 공간 5GB(권장 16GB·10GB 이상). 첫 모델만 몇 GB예요.
- 리눅스는 완성된 설치 파일이 없어요. 맥·윈도만 받아서 바로 설치할 수 있어요.
안 될 때
- '생성 실패'가 뜰 때우리도 첫 시도에 GPU 오류로 생성 실패가 떴어요. 한 번 더 만드니 됐어요.
- 앱이 꺼질 때영어로 시험하다 한 번 꺼졌어요. 앱을 다시 켜고 한 번 더 해 보세요.
- Reference text is required2단계 대본 칸이 비어 있다는 뜻이에요. 녹음한 대본을 넣으세요.
출처
- 개발자 GitHubjamiepine/voicebox (README)github.com
- 릴리스v0.5.0 (설치 파일)github.com
- 공식 사이트Voiceboxvoicebox.sh
- 공식 사이트Pricingvoicebox.sh
- 공식 사이트Terms (2026-07-06 개정)voicebox.sh
- 공식 문서Installation (v0.5.0)github.com
- 공식 문서Voice Cloning (v0.5.0)github.com
- 공식 문서Creating Voice Profiles (v0.5.0)github.com
- 공식 문서GPU Acceleration (v0.5.0)github.com
- 공식 문서 사이트Voicebox Docs (위 문서와 같은 내용)docs.voicebox.sh
- 앱 소스ProfileForm.tsx (Reference text is required)github.com
- 앱 소스translation.json (버튼 이름)github.com
- 앱 소스locales (앱 화면 언어)github.com
- 라이선스Voicebox LICENSE (MIT)github.com
- Qwen 모델Qwen3-TTS-12Hz-1.7B-Base (Apache 2.0)huggingface.co
- Qwen 모델맥용 MLX 변환본huggingface.co
- Qwen GitHubQwenLM/Qwen3-TTSgithub.com
- Chatterboxresemble-ai/chatterbox (워터마크)github.com
- Chatterbox 모델ResembleAI/chatterbox (MIT)huggingface.co
- 일레븐랩스Pricingelevenlabs.io
2026-10-29 확인. GitHub 별 수는 같은 날 GitHub API 값이에요. 직접 해 본 결과는 맥 한 대(애플 실리콘, 메모리 24GB)에서 v0.5.0으로 한 거예요. 앱이 업데이트되면 내용이 바뀔 수 있어요.