几秒音频，克隆心仪声线
01 / 音色
复刻声音，或凭空创造
上传或录制一段参考音频，即可提取专属声线；也能直接输入文字描述，无中生有设计全新声音。
把文字，变成有情绪的声音
从故事配音、语音生成，到整首歌曲与多轨编曲，在自己的电脑上完成声音创作。本地运行，数据自主掌控。
他脸上黑而且瘦，已经不成样子；穿一件破夹袄，盘着两腿，下面垫一个蒲包，用草绳在肩上挂住；见了我，又说道，“温一碗酒。”掌柜也伸出头去，一面说，“孔乙己么？你还欠十九个钱呢！”孔乙己很颓唐的仰面答道，“这……下回还清罢。这一回是现钱，酒要好。”掌柜仍然同平常一样，笑着对他说，“孔乙己，你又偷了东西了！”但他这回却不十分分辩，单说了一句“不要取笑！”“取笑？要是不偷，怎么会打断腿？”孔乙己低声说道，“跌断，跌，跌……”他的眼色，很像恳求掌柜，不要再提。此时已经聚集了几个人，便和掌柜都笑了。我温了酒，端出去，放在门槛上。他从破衣袋里摸出四文大钱，放在我手里，见他满手是泥，原来他便用这手走来的。不一会，他喝完酒，便又在旁人的说笑声中，坐着用这手慢慢走去了。
00:00 / 01:11准备播放
yovoice
左右滑动，翻阅内页 →
VOICE COLLECTION / 001
VOICE
VOICE
NOTES
声音选集 · 第一辑12 段声音 / 04 种用法
- CATALOG
- YV-001
- TRACKS
- 01—12
DEMO 随意试听
SIDE A
SIDE A
SIDE B
SIDE B
在本地完成声音与音乐创作
故事配音 · 语音生成 · 音乐生成 · 编曲
导入或写下内容
文本、字幕、歌词，或每个声部的音符
安排声音与声部
分配角色，选择模型或 General MIDI 音色库
生成、试听与剪辑
保留每次生成的版本，对比后导出
从声音到音乐，把创意做完
几秒音频，克隆心仪声线
YOVOICE / EXPRESSION
同一句台词，不同的心境
你终于来了，我等你好久了。
02 / 表达
语气到位，表达才真切
是雀跃欢快，还是低沉克制？支持通过情绪标签、参考音频或自然语言描述调控语气，让声音传达字面之外的喜怒哀乐。
注：不同底模支持的控制粒度有所差异MUSIC / 03音乐生成演示，点击播放
03 / 音乐生成
一句提示词，旋律自然流淌
根据歌词与风格描述生成完整歌曲或伴奏，也可由 Stable Audio 3 生成纯音乐与短音效，支持按谱演奏、局部重绘与逐字歌词对齐。
注：音乐生成需要支持的推理内核，部分模型需要显卡或 Apple SiliconSCORE / 04编曲演示，点击播放
04 / 编曲
多轨编曲，旋律随心谱写
直观的小节与音符编辑，多声部配器，实时试听。支持导入导出标准 MIDI，无需推理引擎，随时随地稳定渲染。
注：编曲渲染使用 General MIDI 音色库，不依赖 GPU
05 / 本地运行
完全运行在你的电脑上
无需排队，无需担心隐私泄露。所有计算在本地完成，资产保存在本地目录，离线也能专注创作。
macOS (Apple Silicon) · Windows (x64) · Linux (x64)
06 / 工作流
为开发者与创作者而生
既是开箱即用的桌面应用，也是强大的脚本化工具。支持 CLI 批量处理、HTTP API 与 MCP 协议，让 AI Agent 直接调用。
支持的模型与音色库
查看完整模型指南
| 模型 | 适用场景与核心能力 |
|---|---|
| IndexTTS 2.0 / 2.5 | 专精音色克隆与情绪控制，支持多语言克隆、参考演绎与发音调整 |
| VoxCPM2 | 文字引导的声音设计与克隆，支持参考原文辅助的精细克隆 |
| OmniVoice | 预定义属性的声音设计、克隆与非语言声音标签（笑声、叹气等） |
| Qwen3-TTS | 多语言音色克隆、9 种内置音色，以及自然语言声音设计 |
| Breeze TTS 2 | 中英自然语言设计音色、音色克隆与演绎指导；建议使用显卡 |
| Kokoro-82M 1.0 / 1.1-zh | 轻量内置音色：1.0 Official 有 49 种，1.1-zh 实验版含 100 种中文音色；支持同语言音色按比例混合 |
| ACE-Step 1.5 Turbo / XL Turbo | Turbo 根据风格描述与歌词生成歌曲或纯音乐，支持 50 多种演唱语言；XL Turbo 质量更高 |
| YuE2 3B | 根据歌词与风格生成整首带人声歌曲，长度随歌词，支持可编辑的旋律谱 |
| Stable Audio 3 | 根据英文描述生成纯音乐（最长 6 分钟）与 1–30 秒短音效，支持整体改编与局部重绘；采用 Stability AI 社区许可 |
| Ming 3.0 / XTTS v2 / Voxtral / Drama 3 | Ming 3.0 支持 7 语声音设计与克隆；XTTS v2 支持 17 语克隆；Voxtral 提供 20 种内置音色；Drama 3 支持说话人与事件标签 |
| MuseScore General / GeneralUser GS / SGM-V2.01 | 为编曲提供 General MIDI 音色渲染；无需推理引擎或显卡，结果完全确定 |
常见问题
官网这些试听 Demo 是怎么做出来的？
试听由 yovoice 在本地通过 CLI 生成，使用的模型标在每段声音旁。“平静”与“开心”使用相同文本和参考声线，只调整情绪参数。网页播放的是生成好的音频，不会在浏览器中运行模型。
我的音色、作品和模型保存在哪里？
默认存放在本机的 ~/.yovoice 目录下。你的所有文稿、音色资产和模型都在本地掌控。即使卸载客户端，这部分数据也不会被误删；如果更换电脑，直接打包备份该目录即可。
平时使用必须联网吗？
本地生成与乐谱渲染可以离线进行。安装、下载模型或音色库，以及使用可选 AI 服务时需要网络。所需文件就绪后，语音和音乐生成均在本机完成；乐谱渲染不需要推理引擎或 GPU。
可以让 AI 帮我写谱和歌词吗？
可以，这项服务是可选的。接入 DeepSeek、通义千问、Kimi、OpenAI、Anthropic、Ollama 或兼容接口后，AI 可以写整份编曲，或填写歌曲风格、歌词和标题；不启用也不影响其他功能。密钥只保存在本机，请求内容会发送给你选择的服务。
对电脑配置有什么要求？
当前推理内核为 audio.cpp v0.9.3，桌面版支持：
- macOS：macOS 14+ 且搭载 Apple Silicon（M 系列芯片），原生调用 Metal 加速。
- Windows：Windows 10/11 64 位系统，支持 CPU、NVIDIA CUDA 与实验性 Vulkan，并提供 CUDA 12.4 / 13.3 安装包。
- Linux：Linux x64（Debian/Ubuntu，提供 .deb 及附 install.sh 的 .tar.gz），内置 CPU 内核，可在设置中下载 Vulkan GPU 内核。
轻量朗读推荐 4GB+ 内存；高音质克隆与声音设计推荐 4–6GB 显存或 Apple Silicon 8GB+；整首歌与纯音乐生成推荐 12GB+ 显存或 Apple Silicon 16GB+。实际需求取决于模型与精度。
导出的音频品质与响度标准如何控制？
支持自动音频体检与专业响度标准导出：生成后自动检测爆音、咔哒声、结尾截断与长静音并在播放栏和台词旁标出，悬停可看问题详情与时间位置；导出时支持有声书（−18 LUFS）、播客（−16 LUFS）与视频平台（−14 LUFS）目标响度，真实峰值保持在 −1 dBTP 以内。
生成的声音和音乐可以商用吗？
yovoice 软件本身采用 Apache-2.0 开源协议；生成内容能否商用，取决于模型许可与你对输入素材和声音拥有的权利：
- OmniVoice（CC-BY-NC）、YuE2（CC BY-NC 4.0）与 Breeze TTS 2（BreezeBlue 研究与非商业许可）的权重仅限非商业用途；Breeze TTS 2 生成的语音也不允许商用。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）。IndexTTS 另有独立模型许可。
- 其他模型也请核对发布方许可；商用前请确保你拥有参考音频、声音和所用素材的必要权利或授权。
可以让 AI Agent 调用它生成语音或渲染乐谱吗？
当然。独立 CLI、Agent Skill 和 MCP 可以从文本与参考音色生成语音，也可以用 yovoice score render 输出混音与分轨，无需打开桌面应用。
获取 yovoice前往 GitHub Releases
macOS 14+Apple SiliconWindows 10/11x64Linuxx64
