YoVoice 开源的音频创作工具，支持多国语言

YoVoice是什么

YoVoice 是开源的音频创作工具，支持 macOS 和 Windows。YoVoice 无需配置 Python 环境，安装即用，所有计算均在本地完成，充分保护隐私。功能覆盖文字转语音、零样本声音克隆、AI 音乐作曲和五线谱编曲，支持十余款开源模型，提供 CLI 与 MCP 服务，可被 AI Agent 直接调用，适合内容创作者和隐私敏感用户。

YoVoice的主要功能

• 文字转语音 ：将文稿一键转为自然流畅的语音，支持多国语言。
• 零样本声音克隆 ：上传 3-10 秒参考音频即可复刻音色，无需专门训练。
• 文本引导音色设计 ：直接用自然语言描述声音特征生成全新音色。
• 情感与语气控制 ：可导入参考情绪或用文字描述，调节朗读的情感表现。
• AI 音乐生成 ：输入风格提示词和带段落标记的歌词，可生成带人声的完整歌曲。
• 五线谱编曲 ：像写乐谱一样按小节编写音符，用 General MIDI 音色渲染，支持导出 MIDI 和分轨。
• 多轨项目管理 ：支持故事配音、语音生成、音乐、乐谱四种项目，多角色多版本并排对比。

如何使用YoVoice

• 下载安装 ：前往 GitHub Releases 页或官网下载对应平台的安装包，双击安装即可，无需配置任何环境。
• 下载模型 ：首次打开后进入设置页，按需下载模型（如 Kokoro-82M 仅 189MB 适合快速配音，VoxCPM2/IndexTTS 适合高保真克隆）。
• 创建项目 ：点击新建项目，选择故事配音、语音生成、音乐或乐谱四种类型之一。
• 添加内容 ：输入文稿、歌词或音符，选择角色声线并调整风格、情绪等参数。
• 生成音频 ：点击生成按钮，每次结果会作为一个独立 take 保存，可反复生成多个版本并排对比挑选。
• 编辑与导出 ：在波形编辑器中修剪调整满意后，导出为 WAV/MP3或 MIDI/stems。

YoVoice的核心优势

• 完全本地运行 ：所有推理均在本地 GPU/CPU 完成，零云端 API 调用，参考音频和作品绝不离开电脑，隐私安全有保障。
• 零使用成本 ：告别按字/按分钟计费和昂贵的云端订阅，高频生成也不会产生线性增长的账单。
• 告别 Python 环境地狱 ：基于 C++ 推理引擎 audio.cpp 构建，安装包开箱即用，无 Conda、无依赖冲突、无版本烦恼。
• 双平台原生加速 ：Windows 内置 CUDA 12.4/13.3 运行时，macOS 原生支持 Metal，充分释放硬件性能。
• 功能链路完整 ：从文字转语音、声音克隆到 AI 作曲、五线谱编曲，覆盖文字→语音→歌曲→乐谱全流程。
• 模型选择丰富 ：支持 13 款开源语音和音乐模型，从 189MB 的轻量款到 10GB 的音乐生成模型，按需选择、断点续传下载。

YoVoice的同类竞品对比

对比维度 | YoVoice | CosyVoice

YoVoice的应用场景

• 有声书与播客制作 ：批量将书稿转为多角色配音，用多版本 take 对比挑选最佳演绎，本地生成零成本。
• 短视频与 AI 漫剧配音 ：高频产出短剧、漫剧配音内容，克隆角色专属声线并保持全片一致，避免云 API 账单爆炸。
• AI 音乐创作 ：输入风格提示词和歌词即可生成完整歌曲，快速产出音乐 demo，适合独立音乐人和爱好者。
• 商业与隐私敏感配音 ：为涉及商业机密的企业宣传片、内部培训材料配音，声纹数据全程不出本机，杜绝泄露风险。