yovoice
yovoice をダウンロード

更新履歴

yovoice の歩みとアップデートの記録。完全ローカル動作とオープンソースにこだわり、音声合成・声色クローン・音楽制作の可能性を広げ、言葉に感情と温もりを宿します。

v0.5.0 2026-10-28 ダウンロード

  1. 音声モデル：6つの新音声モデルを追加：Ming 3.0 TTS、Voxtral TTS、Plapre 3、XTTS v2、Gradium Phonon、Fish Audio Drama 3。内蔵音声、音声デザイン、多言語音声クローンに対応し、Drama 3 は話者とイベントタグもサポート。ストーリー吹き替えの各役で個別利用可能（audio.cpp v0.9.3 エンジン必須）。
  2. 音楽生成：音楽生成が Stable Audio 3（Small Music、Small SFX、Medium、Q8 / F16）に対応：英語プロンプトからインスト曲を生成（Small は最大2分、Medium は約6分）、既存版を起点としたリミックスやインペイントも可能。説明文から1〜30秒の効果音を作る「効果音生成」も追加。Stability AI コミュニティライセンス準拠（年商100万米ドル未満は無料）。
  3. 推論エンジン：推論エンジンを audio.cpp v0.9.3 に更新：Metal および CUDA での計算不整合を修正し、複数モデルの生成速度が向上。v0.7.4 以降のエンジンも引き続き動作し、設定画面から更新可能。CUDA に「パフォーマンス優先」モードを追加（ACE-Step、Qwen3-TTS、YuE2、VoxCPM2、Drama 3 が高速化、VRAM消費増）。
  4. 音声ブレンド：Kokoro が同言語の2音声を比率指定でブレンド可能に。ストーリー吹き替えの役ごとに個別設定できます。
  5. モデル更新：ダウンロード済みモデルに新バージョンがある場合、設定に「更新あり」と表示され1クリックで更新可能。サイドバーに閉じられる通知も表示。旧版も引き続き利用できます。
  6. 音声品質チェック：生成後に音声を自動検査：音割れ、クリックノイズ、末尾途切れ、無音区間、極小音量などを検出すると、プレーヤーおよび該当行の横に警告を表示し、ホバーで詳細とタイムスタンプを確認可能。Ocho 納品前にも検査され、ストーリー吹き替えでは問題行のみを再生成します。
  7. 目標ラウドネス：エクスポート時の目標ラウドネスを選択可能：オーディオブック −18、ポッドキャスト −16、動画配信プラットフォーム −14 LUFS（True Peak は −1 dBTP 以下）。
  8. 参照音声：最大10分までのリファレンス音声に対応：60秒を超える録音は最も明瞭な5〜15秒を自動抽出。手動トリミング時も「自動選択」が利用可能。
  9. ストーリー吹き替え：ストーリー吹き替えのトラックに、yovoice で生成した音声・効果音・BGMを直接配置可能。Ocho も効果音の追加、モデル更新、「パフォーマンス優先」の有効化に対応。
  10. ダッキング・ミキシング：BGMのダッキングが自然に：発話前にあらかじめ音量を下げ、文間の短いポーズでの不自然な音量変化を抑え、発話終了後は滑らかにフェード復帰。
  11. リソース管理：設定の「リソース」画面のテーブルをスリム化し1画面に収容。行ごとの操作は「その他」メニューに整理し、狭小ウィンドウでは横スクロールに対応。
  12. エラー表示：エラー表示を明確化：Ocho パネルで ChatGPT サブスクを選んだ際、アシスタントで利用できない理由と切り戻し案内を表示。生成途中でエンジンがクラッシュした場合も「推論エンジンが予期せず終了しました」と原因を正確に通知し、ネットワーク誤診を解消。
  13. UIの細部改善：UI細部ブラッシュアップ：ストーリー吹き替えの素材ダイアログでタイプ切替時の高さを安定化、エディタのスクロールバーを仕切り線に正確に密着。

v0.4.1 2026-10-21

  1. 自動更新：macOS において自動更新のダウンロード完了後に「更新検証失敗 (codesign) … invalid requirement specification」エラーが発生する不具合を修正。本件は 0.3.0〜0.4.0 付属のアップデータに起因するため、macOS ユーザー様は一度 0.4.1 を手動インストールしてください。以降は正常に自動更新されます。

v0.4.0 2026-10-21

  1. Linux サポート：Linux x64 デスクトップ版を新規提供：Debian/Ubuntu 向けの .deb と install.sh 同梱の .tar.gz を配布。内蔵 CPU エンジンですぐに動作し、設定から Vulkan GPU エンジンの追加取得も可能。WebKitGTK 4.1 必須、自動更新は今後の対応予定。
  2. 同期歌詞：音楽再生画面で歌詞の単語ごとハイライトに対応：ボーカル音源から各文字のタイミングを解析。1画面1行で文字が歌唱に合わせて滑らかに舞い込み光る「フローライト」表示を追加（画面収録に最適）。単語レベルの LRC 書き出しに対応。
  3. スマートアライメント：追加ダウンロード可能な歌詞アライメントモデル（BS-RoFormer ボーカル分離 ＋ Qwen3 Forced Aligner、約1.3GB）：ボーカルを抽出して間奏やポーズを除去した上で歌詞を1文字ずつ歌唱に自動整列。結果はバージョン情報と共に保存されます。
  4. 再生画面：音楽再生画面のリニューアル：macOS のタイトルバーが背景とシームレスに統合。「歌詞ツール」メニューに校正・アライメント・出力を整理し、「フローライト」背景演出とスクロール滑らかさを改善。新機能「歌詞タイミング調整」では、行の現在位置アンカーや 0.1/0.5 秒単位の微調整（←/→）、単語ドラッグ調整やタップ打点に対応。
  5. パッケージ軽量化：インストーラーの容量削減：Kokoro 発音辞書データ（約10MB）をアプリ本体から分離し、Kokoro モデルの初回ダウンロード時に同梱取得する方式に変更。
  6. 機能の表示切替：設定 › 一般に「機能表示」を追加：ストーリー吹き替え、音楽生成、Ocho アシスタントを個別に非表示設定可能。Ocho と音楽生成の両方をオフにすると AI サービス設定も自動で非表示化。
  7. パフォーマンス向上：高速起動とUIの軽量化：最近の作品に20〜30分の長尺音声がある場合にスプラッシュ画面で起動が停止する不具合を解消。各画面を初回アクセス時の遅延ロードに変更し、生成・ダウンロード・Ocho 返答時の画面全体再描画を抑制。
  8. 書き出し修正：Windows および Linux で2分以上の楽曲をエクスポートする際に無反応となる不具合を修正。タイムラインの長尺エクスポート制限も撤廃。プレーヤーのツールバーに「保存先を開く」を配置し、エクスポート操作は「その他」メニュー内に整理。
  9. ミラーダウンロード：ModelScope ミラーの更新に伴い、該当ミラーからのモデル取得時にファイルサイズ検証が失敗する問題を修正。
  10. 互換性向上：Windows インストーラーの最小要件を Windows 10 1809（ビルド 17763）以降に緩和。
  11. データ移行：バージョン更新時に旧版の作品データ、アシスタント会話ログ、エンジン記録を新形式へ一括移行（変換前にデータベースを自動バックアップ）。

v0.3.1 2026-10-19

  1. クラッシュ修正：macOS 26 においてタイトルバーのサイドバーボタンが原因で起動直後にクラッシュする問題を修正。
  2. 表示修正：Windows において1画面を超える長いページが黒いブロックで覆われる不具合を修正。主要スクロール領域に細く明るいスクロールバーを表示。

v0.3.0 2026-10-19

  1. AI アシスタント：組み込み AI アシスタント Ocho（⌘J / Ctrl+J）が新登場：チャット対話を通じて作品の新規作成・編集、作詞・作曲、音声選定、パラメータ調整、生成実行が可能。選択要素や直近の結果を認識し、好みを記憶、削除などの重要操作は必ず確認を経て実行します。
  2. メロディと楽谱：YuE2 楽曲でメロディ譜からの作曲に対応：歌詞に沿った採譜や既存曲からの抽出を行い、五線譜・トラック・ABC 記譜で閲覧。サウンドフォント試聴（演奏に合わせ音符がハイライト点灯）、編集、Undo、.abc 出力に対応し、譜面通りの楽曲生成が可能に。インスト曲、SheetSage2 カバー、ジャンル別楽曲形式プリセットも追加。
  3. 小説と字幕：ストーリー吹き替えで小説ファイル（TXT、Markdown、EPUB）の取り込みおよび SRT/WebVTT 字幕書き出しに対応。音楽再生画面では LRC 歌詞出力および同一作品のバージョン間比較試聴に対応。
  4. リソースとログ：設定に「リソース」（未使用音声の検索と削除）および「ログ」（診断パッケージ出力）画面を追加。モデル画面を「音声モデル」と「音楽モデル」に分離し、1行ごとの精度切替ダウンロードに対応。AI サービスに ChatGPT (Codex) を追加。
  5. 多言語対応：UIが繁体字中国語、日本語、韓国語、スペイン語、フランス語、ドイツ語、ポルトガル語（ブラジル）、ロシア語、イタリア語、ベトナム語に対応。オープニングアニメーション、機能ガイドツアー、滑らかなモーション効果を導入。
  6. デフォルト設定とAPI：新規プロジェクト作成時にダウンロード済みモデルをデフォルト設定。yovoice serve 起動時に /docs/ でインタラクティブ API ドキュメントを提供。「編曲」は「編曲生成」へ改称し「音楽生成」内に統合。

v0.2.1 2026-10-16

  1. ダイレクトダウンロード：Hugging Face および ModelScope からの Kokoro-82M 1.1-zh 直接ダウンロードに対応。モデル管理をアプリまたは CLI に統一し、ディレクトリ内の既存完全モデルを自動検知。
  2. 初回体験と高速化：初回生成時の準備ガイド、高速音声合成モード、リファレンス音声の一括削除、可読性の高い出力ファイル名生成、共有ファイルの安全な自動クリーンアップを追加。
  3. 音楽再生機能：歌詞同期表示、ボーカル位置特定、タイミング校正を備えた音楽再生画面を追加。編曲の曲長上限の引き上げ、AI による自動タイトル命名、ジャンル編集を改善。
  4. SQLite 移行：作品データ、音色、モデル、各種設定をトランザクションとバックアップに対応した SQLite へ移行。旧 state.json からの自動移行、保存先移動、異常復旧、クリーンアップに対応。
  5. デスクトップの安定性：Windows および macOS アプリの信頼性を大幅向上：バックエンドサービス復帰、孤立プロセスの確実な終了、トレイ常駐動作の改善、狭幅レイアウト最適化、Windows UI の多言語対応、コード署名検証、自動更新の堅牢化。
  6. フォーマットのインポート：Breeze TTS 2 モデルおよびテキスト・字幕ファイル直接取り込みに対応。ローカル MCP・API 連携、OrcaRouter の改良、音声生成・データ移行・ストレージ容量不足・保存失敗時の通知メッセージを分かりやすく刷新。

v0.2.0 2026-10-11

  1. 音楽生成：「音楽生成」機能を追加：タグによる曲調指定、セクション区切り付き歌詞（またはインスト指定）から、ACE-Step 1.5 Turbo / XL Turbo や YuE2 3B（ボーカル入り、歌詞長に応じた尺、CC BY-NC 4.0 非商用）を用いてフル楽曲を一括生成。各テイクはバージョンとして蓄積され、比較試聴や再利用、書き出しが可能。分割構成モデルの自動取得にも対応。
  2. 編曲スタジオ：「編曲」ワークスペースを追加：小節と拍に基づく各パートの音符入力、MIDI 取り込み、エージェント自動作曲に対応。General MIDI サウンドフォントを用いてパート別レンダリングとトラックミキシングを実行。タイムライン付きトラックエディタ、MIDI / 楽譜 JSON 出力に対応。サウンドフォントは MuseScore General、GeneralUser GS、SGM-V2.01 から選択可能。CLI に分軌対応コマンド、MCP に render_score、Agent Skill に編曲ガイドを追加。
  3. AI サービス連携：外部 AI サービスへの連携に対応（DeepSeek、Qwen、Zhipu、Kimi、Doubao、MiniMax、OpenAI、Anthropic、OpenRouter、ローカルおよびカスタムエンドポイント）。一行のプロンプトから楽曲全体のスタイル、歌詞、タイトル、編曲構成をバックグラウンドで自動生成し、いつでもモデル切替が可能。
  4. UIの細部改善：UIのフルリニューアル：レコードやカセットテープのカバーアートをあしらったチケット型作品リスト、整理されたグループ別設定画面、独立したサウンドフォントページ、タイトルバーへのサイドパネル切替ボタン統合（右パネルは作業画面でのみ表示）、文字省略時やアイコンのみのボタンに絞ったスマートなツールチップ表示。
  5. 推論エンジン：推論エンジンを audio.cpp v0.9.1 に更新（アプリ本体と独立して更新可能）。Windows 向け CUDA 12.4 および 13.3 専用インストーラーを新規提供。
  6. バグ修正：長時間の AI リクエストによるタイムアウト、アプリ終了時の保存、Windows のタイムゾーンを跨ぐ保存処理、タイムラインメニュー、最後の作品削除時の不具合を修正。エラー案内と診断ログをより詳細化。

v0.1.7 2026-10-05

  1. リモートサービス：HTTP API および MCP によるリモート音声サービスを追加。タスクの投入、進捗照会、キャンセル、音声ダウンロードに対応し、認証、リトライ時の重複排除、タイムアウト設定を提供。
  2. Agent Skill：Agent Skill がローカル CLI およびリモートサービス連携に対応。ユーザーガイドと CLI パッケージに日英それぞれの独立ドキュメントを同梱。
  3. 保存と診断：Windows での保存エラー表示を修正し、終了時の保存失敗時に自動バックアップを作成可能に。保存および生成失敗時の診断ログを拡充。

v0.1.6 2026-10-01

  1. キャラクター演技：キャラクターごとに複数の演技スタイルを保存可能に。スタイルごとにモデルやパラメータを個別に設定し、ストーリーや音声制作で自由に選択できます。
  2. UIコントロール整列：スタイル選択ドロップダウン、追加ボタン、「その他」ボタンのサイズと配置を統一。
  3. トラックパネル：トラックパネルのリサイズ領域が再生ボタンを覆ってしまう問題を修正。ドラッグ判定を上部境界線付近のみに限定し、再生操作アイコンをコンパクト化。
  4. アプリアイコン改善：アプリアイコン台座のエッジ光彩を除去し、透明フチのノイズを整理。macOS アイコンの表示領域とスモールサイズ時の余白を最適化。

v0.1.5 2026-09-29

  1. ストーリー作品：「ストーリー吹き替え」と「音声生成」の2大プロジェクトを新設。字幕ファイル取り込み、セグメント別生成、編集可能なマルチトラックをサポート。
  2. 音声編集：オーディオトラックのトリミング、Undo/Redo、ミキシング、WAV エクスポートを追加。作品アーカイブの書き出し・取り込みおよび状態復元に対応。
  3. 公式モデル：Kokoro 公式の高精度 BF16 モデルのワンクリックダウンロードに対応。
  4. リリースノート：バージョン変更履歴システムを追加。リリース時に該当バージョンの詳細説明を GitHub Release へ自動公開。
  5. 再生追従：保留行の一括生成を廃止し、オーディオ再生時に原稿テキストがリアルタイムで追従する仕様に一本化。
  6. 操作性の向上：トラックのズーム、スクロール、クリップドラッグ、マグネットスナップ操作を洗練。単一・複数キャラクター時の再生ヘッド表示を統一。
  7. ドロップダウン表示：旧バージョン WebKit におけるポップオーバー表示崩れを解消。トースト通知がワークスペースの配置を押し崩さないよう改善。
  8. ウィンドウ対応：Windows でのウィンドウサイズ追従と終了時位置の永続化、macOS での起動安定性とアイコン余白を調整。

v0.1.4 2026-09-26

  1. キャラクターライブラリ：「キャラクターライブラリ」を追加：カスタム音声や発話設定を保存して何度でも再利用可能。音声ライブラリと制作スタジオで編集機能を共有。
  2. 公式モデル：公式 Kokoro Q8 モデル（49種類の内蔵音色を収録）のダウンロードに対応。実験的な多言語および中国語派生モデルの取り込みをサポート。
  3. 音声管理UI：音声ライブラリ、生成履歴、リファレンスクリップ、原稿管理を総合改善。検索機能、アバター表示、試聴コントロール、モーダルダイアログを統一。
  4. 権限修正：macOS においてマイク権限の要求コールバック時にアプリが異常終了する問題を修正。旧 macOS のプルダウンセレクタとの互換性を向上。
  5. エンコーダー修正：VoxCPM2 において長尺のリファレンス音声を使用した際にエンコーダーの上限値に達する問題を解決。
  6. プロセス終了処理：バックエンドサービス終了時にクリーンアップ完了を待たずに切断される不具合を修正。Windows UI の互換性調整も維持。

v0.1.3 2026-09-19

  1. ウィンドウ対応：Windows のウィンドウ枠描画、スクロール挙動、OS ネイティブメニュー、各種ダイアログの表示を最適化。
  2. プロキシ設定：プロキシ接続のトグルスイッチと設定の自動保存を追加。ドロップダウンメニューのポップアップ位置を調整。
  3. パス処理修正：Windows におけるダウンロード一時アーカイブのパス処理不具合を解消し、.NET 8 ビルドとの互換性を強化。

v0.1.2 2026-09-18

  1. モデル拡充：OmniVoice および Qwen3-TTS 音声モデルを追加。独自のボイスデザイン、音声クローン、各種生成パラメータに対応。
  2. 英語UI対応：英語ユーザーインターフェースを正式導入。言語切替設定、macOS メニューバーおよびツールチップの多言語化に対応。
  3. パネル整理：環境設定、モデルフォルダ管理、音声生成コントロールパネルの構成を整理・刷新。
  4. 自動更新：macOS 自動更新処理において lipo による CPU アーキテクチャ検証パラメータの順序不整合を修正。

v0.1.1 2026-09-16

  1. モデル拡充：VoxCPM2（Q8 / BF16）モデルを追加。ボイスデザイン、音声クローン、原稿テキスト補助付きクローンに対応（アプリと CLI の双方で利用可能）。
  2. 制御パラメータ：音声プロンプト記述、ガイダンス強度（Guidance Scale）、推論ステップ数、シード値の指定に対応。
  3. ワークフロー最適化：モデル管理画面のレイアウトとボタン配置を改善。ダウンロード実行中でも他モデルの登録解除が可能に。
  4. ワークフロー最適化：開発コマンド make app-run を整理し、日常のローカル起動と配布パッケージ生成を分離。再生安定性のため完全生成後の再生方式を採用。
  5. ネイティブ権限：macOS でのマイク権限の帰属問題を解決し、OS 標準のダイアログから正しく権限をリクエストするよう修正。

v0.1.0 2026-09-16

  1. 初版リリース：yovoice 初の一般公開リリース：macOS Apple Silicon 版および Windows x64 版デスクトップインストーラーを提供開始。
  2. 音声合成：IndexTTS 2.0 / 2.5 の完全ローカル推論に対応。アプリ内モデル取得および独自 GGUF ファイルの取り込みをサポート。
  3. 音声クローン：参照音声に基づく声色クローン、スタイル転写、感情トーン調整、テキストプロンプト誘導、内蔵マイクによる直接録音に対応。
  4. プロジェクト履歴：音声プリセット管理、作品の変更履歴、マルチバージョン比較管理、即時オーディオ試聴プレーヤーを提供。
  5. CLIとツール群：macOS、Windows、Linux 向けの独立型 CLI ツールおよび Agent Skill を配布。主要音声フォーマットに対応する軽量 FFmpeg を同梱。