Erstellen Sie Story-Vertonung, Sprachgenerierung, vollständige Songs und Multi-Track-Arrangements auf Ihrem Computer. Lokal ausgeführt, Daten unter Ihrer Kontrolle.
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。
Wischen, um das Booklet zu durchblättern →
DEMO Frei anhören
Story-Vertonung · Sprachgenerierung · Musikgenerierung · Arrangement
Text, Untertitel, Songtexte oder Noten je Spur
Rollen zuweisen, Modelle oder General-MIDI-Soundfonts wählen
Jede Version behalten, vergleichen und exportieren
Wenige Sekunden Audio zum Klonen einer Stimme
Laden Sie eine Referenzaufnahme hoch, um eine Stimme zu klonen, oder beschreiben Sie Klangfarben mit Worten, um neue Stimmen zu entwerfen.
你终于来了，我等你好久了。
Fröhlich und heiter oder ruhig und zurückhaltend? Steuern Sie Emotionen über Tags, Referenzaufnahmen oder natürliche Sprachbeschreibungen.
Hinweis: Verfügbare Steuerungen variieren je nach ModellMUSIC / 03Musik-Demo mit Ton, zum Abspielen klicken
Erzeugt vollständige Songs mit Text und Stil oder Instrumentalmusik und Soundeffekte mit Stable Audio 3, inklusive partiturbasiertem Arrangement, Inpainting und wortweiser Songtext-Synchronisation.
Hinweis: Musikgenerierung erfordert eine unterstützte Inferenz-Engine; einige Modelle benötigen eine GPU oder Apple SiliconSCORE / 04Arrangement-Demo mit Ton, zum Abspielen klicken
Intuitive Takt- und Notenbearbeitung, Mehrspur-Orchestrierung und Echtzeit-Vorhören. Unterstützt Standard-MIDI-Import/Export, rendert stabil ohne Inferenz-Engine.
Hinweis: Score-Rendering nutzt General-MIDI-Soundfonts und benötigt keine GPU
Keine Warteschlangen, keine Datenschutzsorgen. Alle Berechnungen laufen lokal, Daten bleiben auf Ihrer Festplatte, auch offline nutzbar.
Eine sofort einsatzbereite Desktop-App und ein mächtiges Scripting-Werkzeug. Unterstützt CLI-Stapelverarbeitung, HTTP-API und MCP-Protokoll zur Einbindung in KI-Agenten.
| Modell | Anwendungsbereiche und Kernfunktionen |
|---|---|
| IndexTTS 2.0 / 2.5 | Spezialisiert auf Stimmklonen und Emotionssteuerung, unterstützt mehrsprachiges Klonen, Referenzdarbietung und Aussprachekorrektur |
| VoxCPM2 | Textgesteuertes Voice-Design und Klonen, unterstützt präzises Klonen mit Unterstützung von Referenztexten |
| OmniVoice | Attributbasiertes Voice-Design, Klonen und nicht-sprachliche Tags (Lachen, Seufzen usw.) |
| Qwen3-TTS | Mehrsprachiges Stimmklonen, 9 integrierte Stimmen und Voice-Design aus natürlicher Sprache |
| Breeze TTS 2 | Chinesisches und englisches Voice-Design, Klonen und Ausdrucksführung; GPU empfohlen |
| Kokoro-82M 1.0 / 1.1-zh | Leichtgewichtige Preset-Stimmen: 49 in 1.0 Official, 100 chinesische Stimmen in 1.1-zh; Stimm-Mischung unterstützt |
| ACE-Step 1.5 Turbo / XL Turbo | Turbo generiert Songs oder Instrumentals aus Stil und Text in 50+ Sprachen; XL Turbo bietet höhere Qualität |
| YuE2 3B | Erzeugt komplette Gesangssongs aus Text und Stil; Länge folgt dem Text; unterstützt editierbare Melodie-Scores |
| Stable Audio 3 | Erzeugt Instrumentalmusik (bis zu 6 Min.) und kurze Soundeffekte (1–30 s) aus englischen Beschreibungen, mit Überarbeitung und Inpainting; Stability AI Community-Lizenz |
| Ming 3.0 / XTTS v2 / Voxtral / Drama 3 | Ming 3.0 bietet Voice-Design und Klonen in 7 Sprachen; XTTS v2 unterstützt Klonen in 17 Sprachen; Voxtral enthält 20 integrierte Stimmen; Drama 3 unterstützt Sprecher- und Ereignis-Tags |
| MuseScore General / GeneralUser GS / SGM-V2.01 | General-MIDI-Soundfonts für Partitur-Rendering; keine Inferenz-Engine oder GPU nötig, absolut deterministisch |
Die Demos wurden lokal mit yovoice über die CLI generiert, mit den jeweils angegebenen Modellen. „Ruhig“ und „Fröhlich“ nutzen denselben Text und dieselbe Referenzstimme, nur die Emotionsparameter wurden geändert. Die Website spielt fertige Dateien ab und führt keine Modelle im Browser aus.
Standardmäßig werden sie im lokalen Verzeichnis ~/.yovoice gespeichert. Alle Entwürfe, Stimmen und Modelle bleiben vollständig unter Ihrer lokalen Kontrolle. Eine Deinstallation löscht diese Daten nicht, und Sie können den Ordner bei einem PC-Wechsel einfach sichern.
Lokale Generierung und Score-Rendering funktionieren komplett offline.Netzwerk wird nur für Installation, Downloads von Modellen/Soundfonts und optionale KI-Dienste benötigt. Sobald die Dateien bereitstehen, läuft die Sprach- und Musikgenerierung lokal; Score-Rendering benötigt keine Inferenz-Engine oder GPU.
Ja, über einen optionalen KI-Dienst.Verbinden Sie DeepSeek, Qwen, Kimi, OpenAI, Anthropic, Ollama oder kompatible Schnittstellen, um Arrangements, Stile, Texte und Titel erstellen zu lassen. Andere Funktionen bleiben ohne KI voll nutzbar. Schlüssel bleiben auf Ihrem PC.
Die aktuelle Inferenz-Engine ist audio.cpp v0.9.3. Die Desktop-App unterstützt:
Für einfache Vertonung genügen 4 GB+ RAM; für High-Fidelity-Klonen 4–6 GB VRAM oder 8 GB+ Apple Silicon; für ganze Songs 12 GB+ VRAM oder 16 GB+ Apple Silicon.
Unterstützt automatische Audio-Prüfung und professionelle Lautheits-Exportstandards:Erkennt Clipping, Klicks, abgeschnittene Enden und lange Pausen nach der Generierung und markiert sie mit Zeitstempeln. Beim Export stehen Ziel-Lautheiten für Hörbücher (−18 LUFS), Podcasts (−16 LUFS) und Videos (−14 LUFS) mit True Peak unter −1 dBTP bereit.
yovoice steht unter der Apache-2.0-Lizenz. Die kommerzielle Nutzbarkeit generierter Inhalte hängt von den Modelllizenzen und Ihren Rechten am Ausgangsmaterial ab:
Ja. Die eigenständige CLI, der Agent Skill und MCP können Sprache generieren oder mit `yovoice score render` Mischungen und Stems ausgeben, ohne die Desktop-App zu öffnen.
yovoice DESKTOP APPLICATIONLokale Sprach- und Musikproduktion · Versionsvergleich · Automatische Audio-Prüfung · Ziel-Lautheit-Export
Klicken Sie auf ein Symbol, damit die KI die Dokumentation liest und Ihre Fragen beantwortet.
Mit WeChat scannen, um zu folgen
