Bỏ qua, vào nội dung chính
Trần Đại Dương
← Tất cả sản phẩm

01 · Desktop · AI audio · 2025

LA Studio

Bộ công cụ desktop để chạy mô hình audio AI ngay trên máy — chuyển giọng nói thành chữ, đọc văn bản thành giọng, nhân bản và thiết kế giọng.

Trang chủ LA Studio: bốn studio audio chạy cục bộ và ảnh app desktop
Vai trò
Tự làm toàn bộ
Nền tảng
App desktop + web
Giá
Miễn phí, mã nguồn mở
Ngôn ngữ
Tiếng Việt / English
Trạng thái
Đang phát triển

Bối cảnh

Muốn thử một mô hình audio chạy cục bộ, người dùng phải tự dựng môi trường cho từng model: runtime khác nhau, định dạng khác nhau, tài liệu rải rác. Còn phần lớn công cụ sẵn có thì gửi âm thanh lên server — không dùng được khi file là bản ghi họp, phỏng vấn hay giọng của khách hàng.

Việc tôi đã làm

Tách rõ hai lớp: web là nơi tìm hiểu và chọn model, app desktop là nơi chạy workflow thật trên máy người dùng.

  • Bốn studio riêng biệt trong một app — Speech-to-Text, Text-to-Speech, Voice Clone, Voice Design — mỗi loại thử nghiệm có không gian làm việc riêng thay vì một form đa dụng.
  • Quản lý model và runtime theo metadata: tải asset, kiểm tra file, dò phần cứng và chọn CPU / CUDA / Vulkan cho đúng máy.
  • Ghi âm, phát lại, xem waveform, lịch sử và xuất file trong C++17 với Qt 6/QML, kèm test tự động cho các luồng chính.
  • Catalog model trên web: nhóm theo khả năng, kèm runtime, định dạng, kích thước và trạng thái offline, để biết máy có chạy nổi trước khi tải về.
  • Local-first là mặc định chứ không phải tuỳ chọn: âm thanh không rời khỏi máy.

Kết quả

4
studio trong một app
15
model đã có trong catalog
100%
miễn phí, chạy cục bộ

Hướng phát triển

Không dừng ở việc thử model, mà tiến tới các workflow audio hoàn chỉnh.

  • Làm audiobook: chia chương, chọn giọng, tạo bản đọc dài và quản lý nhiều đoạn audio trong một pipeline.
  • Lồng tiếng video: ghép transcript, bản dịch, chọn giọng và canh thời gian hội thoại, vẫn ưu tiên xử lý cục bộ.
  • Workflow nhiều bước: nối STT, TTS, voice clone, voice design, runtime và catalog thành pipeline dùng lại được.

Màn hình

Catalog model với bộ lọc theo khả năng
Catalog lọc theo khả năng: voice cloning, voice design, TTS, STT.
Danh sách 15 model kèm runtime, định dạng và kích thước
Mỗi model ghi rõ runtime, định dạng, kích thước và trạng thái offline.