yovoice
Descargar yovoice

Notas de la versión

El registro de cada paso en la evolución de yovoice. Diseñado para ejecutarse 100% en local y en código abierto, ampliamos continuamente las fronteras de la síntesis de voz, clonación vocal y composición musical, dando vida y emoción a tus palabras.

v0.5.0 2026-10-28 Descargar

  1. Modelos de voz: Seis nuevos modelos de voz: Ming 3.0 TTS, Voxtral TTS, Plapre 3, XTTS v2, Gradium Phonon y Fish Audio Drama 3, con voces integradas, diseño sonoro y clonación multilingüe; Drama 3 admite etiquetas de locutor y evento. Cada papel de narración puede usarlos por separado (requiere motor audio.cpp v0.9.3).
  2. Generación musical: Generación musical con Stable Audio 3 (Small Music, Small SFX, Medium; Q8 / F16): genera instrumentales con descripciones en inglés (hasta 2 min con Small y 6 min con Medium), remezcla pistas existentes o redibuja fragmentos. Nuevo modo "Efectos de sonido" para generar audios de 1 a 30 s. Licencia comunitaria Stability AI (gratis para ingresos menores a 1M USD anuales).
  3. Motor de inferencia: Motor actualizado a audio.cpp v0.9.3: corrige cálculos erróneos en Metal y CUDA y acelera varios modelos. Las versiones v0.7.4 o posteriores siguen funcionando; actualización disponible en Ajustes. Nuevo modo CUDA "Rendimiento primero" que acelera ACE-Step, Qwen3-TTS, YuE2, VoxCPM2 y Drama 3 a cambio de mayor consumo de VRAM.
  4. Mezcla de voz: Kokoro ahora permite mezclar dos voces del mismo idioma con proporciones personalizadas para cada personaje de la historia.
  5. Actualización de modelos: Los modelos descargados muestran "Actualización disponible" en Ajustes cuando hay una nueva versión, con actualización en un clic y aviso descartable en la barra lateral; las versiones anteriores siguen funcionando.
  6. Verificación de audio: Verificación de audio automática tras generar: chasquidos, cortes finales, silencios prolongados o volumen excesivamente bajo se indican en el reproductor y junto a cada frase (con marcas de tiempo al pasar el ratón). Ocho también revisa el audio y regenera únicamente las frases afectadas.
  7. Volumen objetivo: Exportación con sonoridad objetivo: audiolibro −18, pódcast −16 o plataformas de video −14 LUFS, manteniendo picos bajo −1 dBTP.
  8. Audio de referencia: Grabaciones de referencia de hasta 10 minutos: fragmentos de más de 60 s extraen automáticamente los 5 a 15 s más claros de voz, con botón de "Selección automática" al recortar.
  9. Narración de historias: La narración de historias permite añadir voces, efectos y música generados por yovoice directamente a la pista; Ocho puede agregar efectos, actualizar modelos y activar el modo de alto rendimiento.
  10. Atenuación de audio: Atenuación de música de fondo más natural: desciende antes de que comience la locución, no oscila en pausas breves y se recupera con suavidad.
  11. Gestión de recursos: Tabla de Ajustes › Recursos simplificada para caber en una sola pantalla, con opciones por fila en el menú "Más"; admite desplazamiento lateral en ventanas estrechas.
  12. Mensajes y avisos: Mensajes más claros: elegir una suscripción de ChatGPT en el panel de Ocho explica que no es compatible y permite cambiarla; si el motor falla a mitad de la generación ahora indica claramente "El motor de inferencia se cerró inesperadamente" junto al motivo, evitando falsos fallos de red.
  13. Detalles de interfaz: Detalles visuales: el diálogo de elementos en la narración mantiene una altura fija al alternar tipos, y la barra de desplazamiento del editor queda pegada al divisor.

v0.4.1 2026-10-21

  1. Actualización automática: Soluciona el error en macOS donde la actualización automática fallaba tras descargarse con "Error de verificación (codesign) … invalid requirement specification". Como el fallo residía en el actualizador de las versiones 0.3.0 a 0.4.0, instale manualmente la versión 0.4.1 en Mac; las siguientes se actualizarán con normalidad.

v0.4.0 2026-10-21

  1. Soporte para Linux: Nueva versión de escritorio para Linux x64: en paquetes .deb (Debian/Ubuntu) y .tar.gz con install.sh. Listo para usar con motor CPU integrado y descarga opcional de motor GPU Vulkan en Ajustes; requiere WebKitGTK 4.1 (actualización automática próximamente).
  2. Letras sincronizadas: Letras sincronizadas palabra por palabra en el reproductor: cada término se ilumina al ritmo de la voz. Nuevo diseño "Resplandor flotante" de una frase por pantalla, ideal para grabaciones; admite exportación de archivos LRC a nivel de palabra.
  3. Alineación inteligente: Modelo opcional de sincronización de letras (separación vocal BS-RoFormer + Qwen3 Forced Aligner, aprox. 1.3 GB): "Alineación inteligente" aísla la voz, descarta pausas e interludios y alinea las palabras al milisegundo; los resultados se guardan en la versión.
  4. Página de reproducción: Reproductor renovado: barra de título inmersiva en macOS, menú "Herramientas de letra" para calibrar, alinear y exportar, efectos visuales mejorados y desplazamiento suave. Nueva función "Ajustar tiempos de letra" para anclar frases al cabezal o moverlas 0.1/0.5 s (←/→); permite arrastrar palabras o marcar el compás al escuchar.
  5. Instalador reducido: Instaladores más pequeños: el diccionario de pronunciación de Kokoro (~10 MB) ahora se descarga automáticamente al bajar el modelo Kokoro por primera vez.
  6. Ajuste de funciones: Ajustes › General añade "Visualización de funciones" para ocultar narración, música o el asistente Ocho; si ambos están inactivos, también se ocultan los ajustes de IA.
  7. Rendimiento: Inicio más veloz e interfaz fluida: corrige el bloqueo en la pantalla de carga con proyectos recientes de 20–30 minutos; las vistas se cargan bajo demanda y las tareas en segundo plano ya no redibujan toda la pantalla.
  8. Corrección de exportación: Soluciona la falta de respuesta al exportar piezas musicales de más de dos minutos en Windows y Linux; se eliminan los límites en líneas de tiempo largas. La barra del reproductor ahora incluye "Mostrar en carpeta" y la exportación pasa a "Más".
  9. Descargas de réplicas: Corrige el fallo de verificación de tamaño de archivo al descargar modelos desde el servidor espejo de ModelScope tras actualizarse.
  10. Compatibilidad: El instalador de Windows ahora admite Windows 10 versión 1809 (compilación 17763) en adelante.
  11. Migración de datos: Al actualizar, los proyectos guardados, conversaciones del asistente y registros del motor se migran al nuevo formato con una copia de seguridad previa de la base de datos.

v0.3.1 2026-10-19

  1. Corrección de estabilidad: Soluciona un cierre inesperado al iniciar en macOS 26 provocado por el botón de la barra lateral en la barra de título.
  2. Corrección visual: Corrige el fallo en Windows donde páginas largas quedaban tapadas por grandes bloques negros; las zonas de desplazamiento muestran barras finas y claras.

v0.3.0 2026-10-19

  1. Asistente de IA: Presentamos Ocho, el asistente de IA integrado (⌘J / Ctrl+J): crea y edita proyectos, compone letras y partituras, elige voces y genera audios mediante conversación. Detecta tu selección actual, recuerda tus gustos y pide confirmación antes de borrar.
  2. Melodías y partituras: Las canciones YuE2 ahora pueden partir de una partitura melódica: compón o extrae melodías y acordes, visualízalos en pentagrama, pistas o formato ABC, escucha con soundfonts (las notas se iluminan al sonar), edita, deshaz, exporta en .abc y genera la canción a partir de la partitura. Incluye temas instrumentales y versiones vía SheetSage2.
  3. Novelas y subtítulos: Importación de novelas en la narración (TXT, Markdown, EPUB), exportación de subtítulos SRT/WebVTT, letras LRC y comparación cara a cara de versiones en el reproductor.
  4. Recursos y registros: Nuevas secciones en Ajustes: Recursos para limpiar audios sin uso, Registros con exportación de paquetes de diagnóstico, pestañas separadas para modelos de Voz y Música con selector de precisión, y ChatGPT (Codex) como proveedor de IA.
  5. Soporte multilingüe: La interfaz ahora está disponible en chino tradicional, japonés, coreano, español, francés, alemán, portugués (Brasil), ruso, italiano y vietnamita, con animación inicial, guía interactiva y movimientos fluidos.
  6. Valores predeterminados y API: Los nuevos proyectos usan por defecto los modelos descargados; yovoice serve ofrece documentación de API interactiva en /docs/; los proyectos de partituras se integran en Música bajo "Generación de arreglos".

v0.2.1 2026-10-16

  1. Descargas directas: Descargas directas de Kokoro-82M 1.1-zh desde Hugging Face y ModelScope, simplificando la gestión de modelos desde la aplicación o terminal con detección automática en la carpeta de destino.
  2. Primera ejecución: Guía de bienvenida para la primera ejecución, síntesis de voz acelerada, borrado por lotes de audios de referencia, nombres legibles para archivos generados y limpieza segura de archivos compartidos.
  3. Reproducción de música: Página de reproducción musical con letras sincronizadas, detección y calibración vocal, límites de tiempo ampliados para arreglos, títulos generados por IA y edición de estilos.
  4. Almacenamiento SQLite: Migración de proyectos, voces, modelos y ajustes a base de datos SQLite transaccional con respaldos, importación desde state.json, cambio de ubicación de almacenamiento y recuperación de fallos.
  5. Estabilidad del escritorio: Mayor estabilidad en Windows y macOS: recuperación de servicios locales, cierre limpio de procesos, comportamiento del área de notificación, diseño adaptable en ventanas estrechas, localización en Windows y validación de firmas.
  6. Importación de formatos: Añade Breeze TTS 2, importación de archivos de texto y subtítulos, mejoras en la API y protocolo MCP local, OrcaRouter y mensajes más claros en fallos de guardado, disco o migración.

v0.2.0 2026-10-11

  1. Generación musical: Nueva función de Generación Musical: define estilos con etiquetas, escribe letras con divisiones de estrofas o crea temas instrumentales con ACE-Step 1.5 Turbo / XL Turbo o YuE2 3B (canciones con voz cuya duración sigue a la letra; licencia CC BY-NC 4.0 no comercial). Cada toma se conserva como versión para comparar y exportar; descarga modelos compuestos por varios archivos.
  2. Estudio de arreglos: Nueva mesa de Arreglos: escribe notas por compás y tiempo, importa MIDI o compone con agentes, renderizando pistas con soundfonts General MIDI y mezcla individual. Vista inferior con frisa temporal, zoom, cabezal de reproducción y exportación en MIDI o JSON. Soundfonts: MuseScore General, GeneralUser GS o SGM-V2.01. Nuevos comandos CLI por pistas, función MCP render_score y guía en el Agent Skill.
  3. Proveedores de IA: Conexión opcional a servicios de IA (DeepSeek, Qwen, Zhipu, Kimi, Doubao, MiniMax, OpenAI, Anthropic, OpenRouter, servidores locales y personalizados): redacta estilos musicales completos, letras, títulos y partituras con una sola frase en segundo plano.
  4. Detalles de interfaz: Diseño renovado: lista de proyectos en estilo de entradas con portadas de vinilos y casetes, ajustes agrupados, página independiente para soundfonts, botones de paneles laterales en la barra de título y descripciones emergentes sólo para textos cortados o iconos.
  5. Motor de inferencia: Motor audio.cpp actualizado a v0.9.1 con ciclo de actualización desacoplado de la aplicación; nuevos paquetes de instalación para Windows con soporte CUDA 12.4 y 13.3.
  6. Corrección de errores: Corrige tiempos de espera en peticiones largas de IA, guardado al salir, diferencias horarias en Windows, menús de línea de tiempo, eliminación del último proyecto y mejora de diagnósticos.

v0.1.7 2026-10-05

  1. Servicio remoto: Servicio de voz remoto con API HTTP y MCP: envía, consulta, cancela y descarga tareas con autenticación, deduplicación de reintentos y tiempos de espera configurables.
  2. Agent Skill: Agent Skill admite terminal local y servicios remotos; las guías de usuario y paquetes CLI incluyen documentación completa.
  3. Guardado y diagnóstico: Corrige los avisos de guardado en Windows y permite realizar copias de seguridad de rescate al salir; mejores registros de diagnóstico.

v0.1.6 2026-10-01

  1. Interpretaciones: Guarda múltiples estilos de interpretación por personaje con modelos y parámetros independientes, utilizables en historias y proyectos de voz.
  2. Controles de interfaz: Unifica tamaños y alineación en menús desplegables de estilos, botones de añadir y opciones adicionales.
  3. Controles de pista: Soluciona el bloqueo del botón de reproducción por la zona de redimensionado; el arrastre ahora solo responde en el divisor superior con iconos compactos.
  4. Icono de la aplicación: Elimina el halo brillante de la base del icono, limpia imperfecciones en bordes transparentes y ajusta las proporciones en macOS.

v0.1.5 2026-09-29

  1. Proyectos de historias: Presentamos los proyectos de Narración de historias y Generación de voz con importación de subtítulos, síntesis por fragmentos y pistas editables.
  2. Edición de audio: Herramientas de edición con recorte de pistas, deshacer/rehacer, mezcla y exportación a WAV, junto a importación y respaldo de proyectos.
  3. Modelos oficiales: Descarga en un clic para los modelos oficiales Kokoro en precisión BF16.
  4. Notas de lanzamiento: Historial de cambios integrado con publicación automática de notas en las versiones de GitHub Releases.
  5. Seguimiento de reproducción: La reproducción sigue el texto en tiempo real; se retira la generación por lotes de frases pendientes.
  6. Fluidez interactiva: Navegación más ágil con zoom fluido, desplazamiento magnético de pistas y cabezal de reproducción estandarizado.
  7. Estilos de menú emergente: Corrige el estilo de menús emergentes en versiones antiguas de WebKit; las notificaciones ya no desplazan el espacio de trabajo.
  8. Adaptación de ventana: Persistencia mejorada del tamaño y posición de la ventana en Windows, inicio más estable y márgenes ajustados en macOS.

v0.1.4 2026-09-26

  1. Biblioteca de personajes: Nueva Biblioteca de personajes para guardar y reutilizar voces y configuraciones sonoras, compartiendo herramientas con el estudio.
  2. Modelos oficiales: Descarga oficial del modelo Kokoro Q8 con 49 voces integradas y soporte experimental para versiones multilingües.
  3. Gestión de voces: Mejora integral de la fonoteca, historial, pistas de referencia y transcripciones con búsqueda unificada, avatares y modales.
  4. Permisos de micrófono: Corrige el fallo del sistema al solicitar permisos de micrófono en macOS y mejora la compatibilidad de selectores antiguos.
  5. Corrección de codificador: Corrige la limitación de memoria del codificador en VoxCPM2 al procesar audios de referencia extensos.
  6. Limpieza de procesos: Garantiza que los servicios en segundo plano completen la limpieza antes de cerrar; conserva los ajustes para Windows.

v0.1.3 2026-09-19

  1. Adaptación de ventana: Ajuste de bordes de ventana, desplazamiento suave, menús del sistema y cuadros de diálogo en Windows.
  2. Red y proxy: Interruptor de proxy con guardado automático de ajustes y corrección de posición en menús desplegables.
  3. Rutas y ejecución: Corrige el manejo de rutas de descarga en Windows y optimiza la compatibilidad de compilación con .NET 8.

v0.1.2 2026-09-18

  1. Ampliación de modelos: Nuevos modelos OmniVoice y Qwen3-TTS con diseño sonoro, clonación de voz y parámetros avanzados de generación.
  2. Interfaz en inglés: Interfaz en inglés con preferencias de idioma y menús de macOS y avisos completamente traducidos.
  3. Organización de paneles: Reorganización de ajustes, gestión de carpetas de modelos y paneles de control de generación sonora.
  4. Actualización automática: Corrige el orden de los argumentos de la herramienta lipo en la comprobación de arquitectura en macOS.

v0.1.1 2026-09-16

  1. Ampliación de modelos: Añade VoxCPM2 Q8 y BF16 con diseño de voz, clonación y clonación asistida por transcripción en App y terminal.
  2. Parámetros de control: Nuevos parámetros de control: descripción sonora, escala de guía, pasos de inferencia y semilla aleatoria.
  3. Optimización de flujo: Mejora el panel de gestión de modelos; ahora permite desvincular modelos mientras se descargan otros.
  4. Optimización de flujo: Simplifica la orden make app-run, separa el entorno de desarrollo del empaquetado final y reproduce solo tras generar todo el audio.
  5. Permisos nativos: Corrige la gestión de permisos de micrófono en macOS empleando los diálogos nativos del sistema.

v0.1.0 2026-09-16

  1. Lanzamiento público: Primer lanzamiento público de yovoice, disponible con instaladores para macOS Apple Silicon y Windows x64.
  2. Síntesis de voz: Inferencia local con IndexTTS 2.0 / 2.5, descargas de modelos e importación de archivos GGUF personalizados.
  3. Clonación de voz: Clonación vocal mediante audios de referencia, transferencia de estilo, ajuste de emociones y grabación directa con micrófono.
  4. Historial de proyectos: Fonoteca integrada, historial de proyectos, gestión de versiones y reproductor de vista previa.
  5. CLI y herramientas: Herramienta CLI independiente y Agent Skill para macOS, Windows y Linux con FFmpeg integrado para procesar formatos de audio.