yovoice
yovoice herunterladen

Versionshinweise

Ein Dokument jeder Entwicklungsstufe von yovoice. Vollständig lokal und quelloffen erweitern wir kontinuierlich die Grenzen von Sprachsynthese, Stimmenklonen und Musikkomposition – um Worten echten emotionalen Ausdruck zu verleihen.

v0.5.0 2026-10-28 Herunterladen

  1. Sprachmodelle: Sechs neue Sprachmodelle: Ming 3.0 TTS, Voxtral TTS, Plapre 3, XTTS v2, Gradium Phonon und Fish Audio Drama 3 für integrierte Stimmen, Sounddesign und mehrsprachiges Stimmen-Klonen; Drama 3 unterstützt Sprecher- und Ereignis-Tags. Jede Story-Rolle kann sie separat nutzen (benötigt audio.cpp v0.9.3).
  2. Musikgenerierung: Musikgenerierung unterstützt Stable Audio 3 (Small Music, Small SFX, Medium; Q8 / F16): Erzeuge Instrumentalmusik per englischer Beschreibung (bis 2 Min. bei Small, ca. 6 Min. bei Medium), remixte bestehende Versionen oder passe Teilbereiche an. Neuer Modus „Soundeffekte“ generiert 1–30 Sek. Effekte. Stability AI Community-Lizenz (kostenlos unter 1 Mio. USD Jahresumsatz).
  3. Inferenz-Engine: Engine auf audio.cpp v0.9.3 aktualisiert: behebt seltene Berechnungsfehler auf Metal und CUDA und beschleunigt diverse Modelle. Versionen ab v0.7.4 funktionieren weiterhin; Update in Einstellungen verfügbar. Neuer CUDA-Modus „Leistung priorisieren“ beschleunigt ACE-Step, Qwen3-TTS, YuE2, VoxCPM2 und Drama 3 auf Kosten von mehr VRAM.
  4. Stimmenmischung: Kokoro kann zwei Stimmen derselben Sprache im gewünschten Mischverhältnis pro Story-Rolle überblenden.
  5. Modell-Updates: Heruntergeladene Modelle zeigen „Update verfügbar“ in den Einstellungen, sobald eine neuere Version vorliegt. Mit 1-Klick-Aktualisierung und schließbarem Hinweis in der Seitenleiste; alte Versionen bleiben nutzbar.
  6. Audio-Prüfung: Automatische Audioprüfung nach der Generierung: Übersteuerung, Klicks, abgeschnittene Enden, lange Stille oder zu leiser Pegel werden im Player und neben den Textzeilen markiert (Details beim Überfahren). Ocho prüft das Audio vor der Übergabe und generiert nur fehlerhafte Zeilen neu.
  7. Ziel-Lautheit: Export mit wählbarer Ziel-Lautheit: Hörbuch −18, Podcast −16 oder Videoplattformen −14 LUFS, mit Spitzenwerten unter −1 dBTP.
  8. Referenzaudio: Referenzaufnahmen bis zu 10 Minuten: Clips über 60 Sek. werden automatisch auf die verständlichsten 5–15 Sek. gekürzt; „Automatische Auswahl“ auch beim Zuschneiden verfügbar.
  9. Geschichten-Narration: Geschichten-Narration bindet erzeugte Sprache, Effekte und Musik direkt in Tonspuren ein; Ocho kann Effekte hinzufügen, Modelle aktualisieren und den Hochleistungsmodus einschalten.
  10. Audio-Ducking: Sanfteres Audio-Ducking für Hintergrundmusik: senkt den Pegel bereits vor Sprachbeginn, bleibt bei kurzen Pausen stabil und blendet danach sanft zurück.
  11. Ressourcenverwaltung: Tabelle unter Einstellungen › Ressourcen kompakter auf einer Ansicht gebündelt, Zeilenaktionen im „Mehr“-Menü; schmale Fenster scrollen seitwärts.
  12. Hinweise & Fehler: Deutlichere Hinweise: Die Auswahl eines ChatGPT-Abonnements im Ocho-Panel weist direkt auf die Inkompatibilität hin und ermöglicht den Rückwechsel; Engine-Abstürze melden nun präzise „Die Inferenz-Engine wurde unerwartet beendet“ samt Ursache statt Netzwerkfehlern.
  13. Oberflächenfeinschliff: Oberflächenfeinschliff: Das Dialogfenster für Story-Materialien behält beim Typwechsel eine stabile Höhe, und die Editor-Scrollleiste schließt bündig an der Trennlinie ab.

v0.4.1 2026-10-21

  1. Automatisches Update: Behebt den Fehler unter macOS, bei dem nach dem Download stets „Update-Prüfung fehlgeschlagen (codesign) … invalid requirement specification“ gemeldet wurde. Da der Fehler im Updater von 0.3.0–0.4.0 lag, bitte Version 0.4.1 einmalig manuell installieren; künftige Updates erfolgen wieder automatisch.

v0.4.0 2026-10-21

  1. Linux-Plattform: Neue Desktop-App für Linux x64: als .deb (Debian/Ubuntu) und .tar.gz mit install.sh. Läuft direkt mit integrierter CPU-Engine, Vulkan-GPU-Engine über Einstellungen nachladbar; erfordert WebKitGTK 4.1 (Auto-Update folgt).
  2. Synchrone Songtexte: Wortgenaue Songtexte im Musikplayer: jedes Wort leuchtet passgenau zum Gesang auf. Neuer Vollbild-Stil „Schwebendes Licht“ mit einfliegenden Wörtern, perfekt für Bildschirmaufnahmen; Export von LRC auf Wortebene.
  3. Intelligente Ausrichtung: Optionales Modell zur Textausrichtung (BS-RoFormer Gesangstrennung + Qwen3 Forced Aligner, ca. 1,3 GB): „Intelligente Ausrichtung“ isoliert die Stimme, überbrückt Pausen und richtet den Liedtext wortgenau aus; Ergebnisse werden mit der Version gespeichert.
  4. Wiedergabeseite: Überarbeitete Player-Seite: nahtlose Titelleiste unter macOS, neues Menü „Songtext-Werkzeuge“ für Kalibrierung, Ausrichtung und Export, sanftere Textanimationen. Neue Funktion „Liedtext-Timing anpassen“ verankert Zeilen an der aktuellen Position oder verschiebt sie um 0,1/0,5 Sek. (←/→); Wörter lassen sich auf der Zeitachse ziehen.
  5. Paketoptimierung: Schlankeres Installationspaket: Die Kokoro-Aussprachedaten (ca. 10 MB) werden nun erst beim ersten Herunterladen des Kokoro-Modells geladen.
  6. Funktionsverwaltung: Einstellungen › Allgemein ergänzt um „Funktionen verwalten“: blendet Geschichten-Narration, Musik oder den Ocho-Assistenten aus; Einstellungen für KI-Dienste verbergen sich automatisch.
  7. Leistungsoptimierung: Schnellerer Start und flüssigere Bedienung: Start hakt nicht mehr bei langen Aufnahmen (20–30 Min.); Seiten laden erst beim ersten Aufruf; Generierungen, Downloads und Ocho-Antworten erzwingen kein vollständiges Neuzeichnen.
  8. Export-Korrektur: Exportfehler unter Windows und Linux für Musikstücke über zwei Minuten behoben; Zeitachsen-Export langer Audios ist nun unbegrenzt. Player-Symbolleiste bietet jetzt „Im Ordner anzeigen“, Export liegt unter „Mehr“.
  9. Mirror-Downloads: Behebt fehlerhafte Dateigrößen-Validierungen beim Download von Modellen über den aktualisierten ModelScope-Spiegelserver.
  10. Kompatibilität: Mindestsystemvoraussetzungen des Windows-Installers auf Windows 10 Version 1809 (Build 17763) gesenkt.
  11. Datenmigration: Beim Upgrade werden gespeicherte Projekte, Assistenten-Chats und Engine-Logs automatisch in das neue Format migriert; vorherige Datenbanksicherung inklusive.

v0.3.1 2026-10-19

  1. Stabilitäts-Korrektur: Behebt einen Absturz beim Start unter macOS 26, der durch die Seitenleisten-Schaltfläche in der Titelleiste ausgelöst wurde.
  2. Anzeigekorrektur: Behebt das Problem unter Windows, bei dem lange Seiten durch schwarze Balken verdeckt wurden; Scrollbereiche zeigen nun feine, helle Scrollbalken.

v0.3.0 2026-10-19

  1. KI-Assistent: Lernen Sie Ocho kennen, den integrierten KI-Assistenten (⌘J / Ctrl+J): Projekte per Chat erstellen und editieren, Texte und Noten verfassen, Stimmen wählen, Parameter anpassen und Generierungen starten. Er erkennt Auswahlen, merkt sich Vorlieben und erfordert Bestätigungen bei Löschvorgängen.
  2. Melodien & Noten: YuE2-Songs können nun mit einer Melodienote beginnen: Melodien und Akkorde komponieren oder extrahieren, als Notensystem, Spuren oder ABC anzeigen, per Soundfont vorhören (Noten leuchten synchron auf), editieren, .abc exportieren und daraus den Song erzeugen. Ergänzt um Instrumentalstücke und SheetSage2-Covers.
  3. Romane & Untertitel: Roman-Import für Geschichten (TXT, Markdown, EPUB), SRT/WebVTT-Untertitelexport, LRC-Songtextausgabe und Direktvergleich verschiedener Songfassungen im Player.
  4. Ressourcen & Protokolle: Neue Einstellungsbereiche: Ressourcen zum Auffinden und Löschen ungenutzter Audios, Logs mit Diagnose-Export, getrennte Seiten für Sprach- und Musikmodelle mit Präzisionsauswahl sowie ChatGPT (Codex) als KI-Anbieter.
  5. Mehrsprachigkeit: Die Benutzeroberfläche spricht nun traditionelles Chinesisch, Japanisch, Koreanisch, Spanisch, Französisch, Deutsch, brasilianisches Portugiesisch, Russisch, Italienisch und Vietnamesisch, ergänzt um Startanimation und Funktions-Tour.
  6. Standards & API-Dokumentation: Neue Projekte nutzen standardmäßig bereits heruntergeladene Modelle; yovoice serve stellt interaktive API-Dokumentation unter /docs/ bereit; Notenprojekte sind nun als „Arrangement-Generierung“ unter Musik gebündelt.

v0.2.1 2026-10-16

  1. Direktdownloads: Direkter Download von Kokoro-82M 1.1-zh über Hugging Face und ModelScope; Modellverwaltung per App oder CLI vereinheitlicht mit automatischer Erkennung im Modellverzeichnis.
  2. Ersteinrichtung & Tempo: Vorbereitungsleitfaden für den Erststart, schnellere Sprachsynthese, Stapellöschung von Referenzdateien, lesbare Ausgabedateinamen und sicherere Dateibereinigung.
  3. Musikwiedergabe: Vollständige Player-Seite mit synchronen Songtexten, Gesangsausrichtung und Kalibrierung, erweitertem Zeitlimit für Arrangements, KI-Namensgebung und Stilanpassung.
  4. SQLite-Speicher: Speicherung von Projekten, Stimmen, Modellen und Einstellungen auf transaktionales SQLite mit Backups umgestellt, inklusive Migration aus state.json, Speicherpfadwechsel und Wiederherstellung.
  5. Desktop-Stabilität: Zuverlässigkeitsverbesserungen unter Windows und macOS: Service-Wiederherstellung, Prozessbereinigung, optimiertes Infobereich-Verhalten, responsive schmale Fenster, deutsche Windows-Oberfläche und signaturgestützte Updates.
  6. Format-Import: Unterstützung für Breeze TTS 2 sowie Text- und Untertitel-Import, verbesserte lokale MCP- und API-Anbindung, OrcaRouter und präzisere Fehlerbenachrichtigungen bei Speicher- und Dateiproblemen.

v0.2.0 2026-10-11

  1. Musikgenerierung: Neues Modul „Musikgenerierung“: Stil per Tags definieren, strukturierte Texte verfassen oder Instrumentalstücke wählen – generiert vollständige Songs via ACE-Step 1.5 Turbo / XL Turbo oder YuE2 3B (Gesangslänge folgt dem Text; CC BY-NC 4.0 nicht-kommerziell). Jeder Durchlauf bleibt als Version für Vergleich und Export erhalten; unterstützt mehrteilige Modelldownloads.
  2. Partitur-Projekte: Neue Arrangement-Umgebung: Noten nach Takt und Zählzeit setzen, MIDI importieren oder KI-Agenten komponieren lassen, mit General-MIDI-Soundfonts spurbasiert berechnen und abmischen. Spuransicht am Fensterrand mit Zeitachse, Zoom und Positionszeiger; MIDI- und Noten-JSON-Export. Soundfonts: MuseScore General, GeneralUser GS oder SGM-V2.01. CLI-Befehle mit Einzelspuren, MCP-Tool render_score und Score-Leitfaden im Agent Skill.
  3. KI-Anbieter: Optionale KI-Dienste anbindbar (DeepSeek, Qwen, Zhipu, Kimi, Doubao, MiniMax, OpenAI, Anthropic, OpenRouter, lokale und eigene Schnittstellen): Ein einziger Satz entwirft Songstil, Liedtext, Titel und Partituren im Hintergrund, mit direktem Modellwechsel.
  4. Oberflächenfeinschliff: Frisches Oberflächendesign: Ticket-Projektliste mit Vinyl- und Kassetten-Covern, gruppierte Einstellungen, eigene Soundfont-Seite, Seitenleistenschalter in der Titelleiste und dezente Tooltips nur bei abgeschnittenem Text oder Symboltasten.
  5. Inferenz-Engine: Die audio.cpp-Engine wurde auf v0.9.1 aktualisiert und aktualisiert sich unabhängig von der App; neue Windows-Installationsprogramme für CUDA 12.4 und 13.3.
  6. Fehlerbehebungen: Behebt Timeouts bei langen KI-Anfragen, Speichern beim Beenden, Speichern mit Windows-Zeitzonen, Zeitachsen-Menüs, Löschen des letzten Projekts sowie präzisere Fehlermeldungen und Diagnoseprotokolle.

v0.1.7 2026-10-05

  1. Remote-Dienst: Neuer Remote-Sprachdienst mit HTTP-API und MCP: Senden, Abfragen, Abbrechen und Herunterladen von Aufgaben mit Authentifizierung, Deduplizierung und konfigurierbaren Timeouts.
  2. Agent Skill: Agent Skill unterstützt lokale CLI und Remote-Dienste; Benutzerhandbücher und CLI-Pakete bieten eigenständige Dokumentationen.
  3. Speichern & Diagnose: Behebt Speicherfehlermeldungen unter Windows und ermöglicht Sicherheits-Backups beim Beenden; verbesserte Fehlerprotokolle.

v0.1.6 2026-10-01

  1. Rolleninterpretationen: Speichern Sie mehrere Darstellungsstile pro Charakter mit eigenen Modellen und Parametern, nutzbar in Dialogen und Sprachprojekten.
  2. Bedienelemente: Einheitliche Abmessungen und bündige Ausrichtung für Stil-Auswahlmenüs, Hinzufügen- und Mehr-Schaltflächen.
  3. Spur-Layout: Behebt das Verdecken der Wiedergabetaste durch den Größenänderungsbereich; Ziehen greift nur noch an der Trennlinie mit schlankeren Icons.
  4. App-Icon-Feinschliff: Glanzkante am App-Icon-Sockel entfernt, Kantenartefakte bereinigt und Ränder für macOS-Symbole harmonisiert.

v0.1.5 2026-09-29

  1. Story-Projekte: Einführung von Geschichten-Narration und Sprachprojekten mit Untertitelimport, abschnittsweiser Generierung und editierbaren Tonspuren.
  2. Audiobearbeitung: Audiobearbeitung mit Spurbeschneidung, Rückgängig/Wiederholen, Abmischung, WAV-Export sowie Archivierung und Wiederherstellung von Projekten.
  3. Offizielle Modelle: Direkter 1-Klick-Download für offizielle Kokoro-BF16-Modelle bereitgestellt.
  4. Versionshinweise: Versions-Changelog eingeführt, dessen Anmerkungen automatisch auf GitHub Releases publiziert werden.
  5. Wiedergabeverfolgung: Wiedergabe folgt dem Text skriptbasiert in Echtzeit; Sammelgenerierung für wartende Zeilen entfernt.
  6. Bedienungsfluss: Spur-Zoom, Scrollen, Clip-Verschieben und magnetisches Einrasten verbessert; einheitlicher Abspielzeiger.
  7. Popover-Stil: Behebt Darstellungsfehler von Aufklappmenüs in älteren WebKit-Versionen; Meldungen verschieben das Layout nicht mehr.
  8. Fensteranpassung: Speichern von Fenstergröße und -position unter Windows verbessert; höherer macOS-Startkomfort und Icon-Ränder optimiert.

v0.1.4 2026-09-26

  1. Figurenbibliothek: Neue Charakter-Bibliothek zum Speichern und Wiederverwenden von Stimmen und Einstellungen, nahtlos im Editor integriert.
  2. Offizielle Modelle: Download des offiziellen Kokoro-Q8-Modells mit 49 integrierten Stimmen; experimenteller Import für mehrsprachige Versionen.
  3. Stimmenverwaltung: Feinschliff für Stimmenbibliothek, Verlauf, Referenz-Clips und Texte mit einheitlicher Suche, Profilbildern und Dialogen.
  4. Mikrofon-Berechtigungen: Behebt Absturz bei Mikrofon-Berechtigungsabfragen unter macOS und verbessert Menü-Kompatibilität auf älteren Versionen.
  5. Encoder-Korrektur: Beseitigt Kapazitätsbeschränkungen des Encoders bei längeren VoxCPM2-Referenzaufnahmen.
  6. Prozessbereinigung: Hintergrunddienste warten nun ordnungsgemäß auf die vollständige Bereinigung vor dem Beenden; Windows-Anpassungen beibehalten.

v0.1.3 2026-09-19

  1. Fensteranpassung: Verfeinerte Fensterränder, weicheres Scrollen, native Menüs und Dialogfelder unter Windows.
  2. Netzwerk & Proxy: Netzwerk-Proxy-Schalter mit automatischer Speicherung der Einstellungen; verbesserte Menüpositionierung.
  3. Pfad- und Runtime-Fix: Behebt Pfadprobleme beim Archivieren von Downloads unter Windows und verbessert die .NET 8-Build-Kompatibilität.

v0.1.2 2026-09-18

  1. Modellerweiterung: OmniVoice- und Qwen3-TTS-Modelle integriert, inklusive Sounddesign, Klonen und maßgeschneiderter Generierungsparameter.
  2. Englische Benutzeroberfläche: Englische Benutzeroberfläche mit Sprachauswahl sowie übersetzten macOS-Menüs und Hinweisen.
  3. Panel-Organisation: Übersichtlichere Einstellungen, optimierte Modellverzeichnis-Verwaltung und neu strukturierte Steuerungsleisten.
  4. Automatisches Update: Behebt eine fehlerhafte Parameterreihenfolge bei der lipo-Architekturprüfung während automatischer macOS-Updates.

v0.1.1 2026-09-16

  1. Modellerweiterung: VoxCPM2 (Q8 und BF16) eingeführt: Stimmen-Design, Klonen und skriptgestützte Klonverfahren in Desktop-App und CLI.
  2. Steuerungsparameter: Optionen für Sprachbeschreibungen, Guidance-Skalierung, Inferenz-Schritte und Zufallssamen (Seed) ergänzt.
  3. Workflow-Optimierung: Übersichtlichere Modellverwaltung: Einträge können nun auch während laufender Downloads entfernt werden.
  4. Workflow-Optimierung: Vereinfachter Entwickler-Befehl make app-run; Trennung von Start und Verpackung sowie unterbrechungsfreie Audiowiedergabe.
  5. Native Berechtigungen: Nutzung nativer macOS-Systemdialoge für Mikrofonberechtigungen implementiert.

v0.1.0 2026-09-16

  1. Erstveröffentlichung: Erste offizielle Veröffentlichung mit Desktop-Installationsprogrammen für macOS Apple Silicon und Windows x64.
  2. Sprachsynthese: Unterstützung für lokale IndexTTS 2.0 / 2.5-Sprachsynthese, Modelldownloads und Import eigener GGUF-Dateien.
  3. Stimmenklonen: Stimmenklonen per Referenz-Audio, Stilübertragung, Emotionsabstimmung, Textführung und direkte Mikrofonaufnahme.
  4. Projektverlauf: Zentrale Stimmenbibliothek, Projektverlauf, Versionierungsfunktionen und sofortiges Vorhören.
  5. CLI & Tools: Eigenständiges CLI-Tool und Agent Skill für macOS, Windows und Linux mit integriertem FFmpeg für gängige Audioformate.