Всё просто. Это трубка идет от динамика, закрытого в изолированной емкости. По трубке идет воздух - звук того, что играет клавишник. А ртом звуковая волна видоизменяется так, что на нее кагбе накладывается человеческая речь. Это толкбокс.
Есть еще вокодер. Это синт со встроенным микрофоном. Если играть на клавишах и в микрофон петь, вокодер смодулирует сигнал - смесь речи и синта, кагбе говорящий синт.
А автотюн просто дискретизирует сигнал по частотам (как и вокодер), голос получается лесенкой, но к исходному сигналу ничего не подмешивает.
Толкбокс - аналоговый девайс, а вокодер и автотюн - цифровые. И это слышно - цифра звучит стерильно, в отличие от аналога. И мутить такие фишки с аналоговым сигналом гитары на концерте можно с помощью толкбокса, а клавишник будет делать это скорее всего вокодером.