yovoice 是一款适用于 macOS、Windows 和 Linux 的开源、本地优先（Local-first）声音与音乐创作工作台。
在本地将文字转化为自然逼真的语音、整首带人声歌曲或多轨乐谱。支持零样本音色克隆、情绪风格控制、带歌词人声的 AI 音乐生成、多轨 MIDI 编曲渲染与音频工程管理。完全在本地运行，无云端 API 调用，无按字/按秒扣费开销，无需复杂的 Python 环境配置，让旁白、配音、有声内容与音乐创作更自主、更私密、更低成本。
- 🔒 100% 本地离线与数据隐私：所有模型均在本地显卡/CPU 推理，文本稿件和声音样本永远不会上传到第三方云端。
- 💸 零按字/按秒扣费：无需订阅昂贵的云端 API（告别 ElevenLabs、Suno、商用配音会员计费）。
- ⚡ 原生 C++ 极速引擎，免配 Python：基于 audio.cpp v0.9.2 原生构建，支持 macOS Metal 与 Windows NVIDIA CUDA 12.4/13.3 开箱即用，告别 Conda 与 PyTorch 依赖地狱。
- 🎛️ 全流程专业创作流：多版本试听对比（Takes）、多轨时间轴吸附裁剪、General MIDI 音色库本地渲染与分轨导出（Stems）。
- 🤖 原生 MCP 与 AI Agent 协创：接入 DeepSeek、通义千问、Claude、OpenAI 或本地 Ollama，用对话完成写歌写谱到生成的全流程，并提供 Model Context Protocol (MCP) 服务，支持在 Cursor 或 Claude Code 中直接调用。
- 语音、声音设计与克隆 — 克隆参考音色、用文字设计声音、调整情绪与演绎，并在音轨上剪辑各个版本。
- 故事配音 — 导入文本或字幕文件，为每句台词分配角色并逐句生成。
- 音乐生成 — 写下风格和带段落标记的歌词，用 ACE-Step 1.5 生成歌曲或纯音乐，或用 YuE2 生成歌曲和按谱演奏的纯音乐，或用 Stable Audio 3 根据英文描述生成纯音乐与音效；播放页按人声同步歌词。
- 编曲 — 按小节和拍写声部，或导入 MIDI、交给 Agent 写谱，用 General MIDI 音色库渲染，导出 MIDI 和分轨。详见编曲。
- 可选 AI 服务 — 内置助手面板通过 DeepSeek、通义千问、Kimi、OpenAI、Anthropic、Ollama 或任意兼容接口对话创作：写谱写词、改台词、配音色、发起生成；密钥只保存在本机。详见AI 服务。
- 12 种界面语言 — 简体中文、繁體中文、English、日本語、한국어、Español、Français、Deutsch、Português (Brasil)、Русский、Italiano 和 Tiếng Việt，可在设置中随时切换，无需重启。
| 用途 | 模型 |
|---|---|
| 音色克隆与情绪控制 | IndexTTS 2.0 / 2.5、Qwen3-TTS Base |
| 声音设计与克隆 | VoxCPM2、OmniVoice、Qwen3-TTS VoiceDesign、Breeze TTS 2 |
| 内置音色 | Kokoro-82M、Qwen3-TTS CustomVoice |
| 歌曲与纯音乐 | ACE-Step 1.5 Turbo / XL Turbo、YuE2 3B |
| 纯音乐与音效 | Stable Audio 3 Small Music / Small SFX / Medium |
所有模型都在 App 内或通过 CLI 下载。文件大小、硬件要求、输入要求与示例见模型选择。OmniVoice、YuE2 和 Breeze TTS 2 的权重仅限非商业用途；Stable Audio 3 采用 Stability AI 社区许可，年收入低于 100 万美元可免费使用。
在仓库的 Releases 页面选择对应平台的安装包，或访问官方网站。
| 平台 | 安装包 | 安装方式 |
|---|---|---|
| macOS 14+ · Apple Silicon | .dmg |
打开磁盘映像，将 yovoice 拖入 Applications |
| Windows 10/11 · x64 | -setup.exe |
运行安装向导，安装后从开始菜单打开 |
| Windows 10/11 · x64 · NVIDIA 显卡 | -cuda12.4-setup.exe |
内置 CUDA 12.4 内核，兼容较旧的显卡与驱动，首次启动即用 GPU |
| Windows 10/11 · x64 · NVIDIA 显卡 | -cuda13.3-setup.exe |
内置 CUDA 13.3 内核，需要较新的驱动，安装包更小 |
| Linux · x64（Debian/Ubuntu） | -linux-x64.deb |
sudo apt install ./yovoice-<版本>-linux-x64.deb，安装后从应用菜单打开 |
| Linux · x64（其他发行版） | -linux-x64.tar.gz |
解压后运行 ./install.sh，为当前用户添加到应用菜单 |
Windows 安装器会在缺少时联网安装 WebView2 Runtime。模型在应用内下载。卸载应用保留 ~/.yovoice 中的作品和模型。
Linux 版需要 WebKitGTK 4.1（Debian/Ubuntu 为 libwebkit2gtk-4.1-0，Fedora 为 webkit2gtk4.1，Arch 为 webkit2gtk-4.1），.deb 会自动安装。Linux 开箱使用 CPU，可在 设置 → 推理引擎 中下载 Vulkan GPU 内核。Linux 版暂不支持自动更新，请从 Releases 下载新版本。
macOS 和 Windows 均支持在应用菜单中检查更新，也会自动检查并后台下载；下载完成后可选择重启安装。Windows 自动更新只下载应用本体（-update.exe），保留已安装的内核；新版本推荐更高的内核时，可在 设置 → 推理引擎 中选择升级。
- 准备模型。 在设置中下载所需模型（例如轻量朗读用 Kokoro-82M，声音克隆用 VoxCPM2）。
- 新建作品。 选择“故事配音”、“语音生成”、“音乐生成”或“编曲”。
- 填写内容。 输入文字、歌词或音符，选择角色并调整风格。
- 生成音频。 点击“生成”，试听对比多版本（Takes）、编辑并导出。
将 yovoice Skill 链接发给 Agent，让它安装 Skill，并准备本地 CLI、引擎和模型：
安装这个 Skill，并帮我配置好 yovoice 本地语音生成环境：https://github.com/leemysw/yovoice/tree/main/skills/yovoice
之后直接描述需求：
用 voice.wav 的音色朗读 narration.txt，语气平静，保存为 narration.wav。
Agent 通过独立 CLI 完成配音，无需打开桌面应用。详细用法见 CLI 指南。
运行 yovoice serve 可为其他机器提供带认证的 HTTP API 与 MCP 推理服务，支持上传参考音频与生成 WAV。部署和调用示例见API / MCP 部署指南。
原创文章，作者：云东方，如若转载，请注明出处：https://www.yundongfang.com/Yun1363.html
