O registro de cada passo na evolução do yovoice. Criado para funcionar 100% local e em código aberto, exploramos os limites da síntese de voz, clonagem vocal e composição musical—dando vida e emoção às suas palavras.
Modelos de voz: Seis novos modelos de voz: Ming 3.0 TTS, Voxtral TTS, Plapre 3, XTTS v2, Gradium Phonon e Fish Audio Drama 3, abrangendo vozes integradas, design de voz e clonagem multilíngue; Drama 3 também aceita marcadores de locutor e evento. Cada papel de narração pode usá-los separadamente (requer o motor audio.cpp v0.9.3).
Geração musical: Geração musical com Stable Audio 3 (Small Music, Small SFX, Medium; Q8 / F16): crie faixas instrumentais a partir de descrições em inglês (até 2 min no Small e 6 min no Medium), remixe versões existentes ou faça inpainting parcial. Novo recurso "Efeitos sonoros" gera áudios de 1 a 30 s. Licença comunitária Stability AI (gratuito para receita anual inferior a US$ 1 mi).
Motor de inferência: Motor atualizado para audio.cpp v0.9.3: corrige cálculos incorretos ocasionais no Metal e CUDA e acelera diversos modelos. Motores v0.7.4 ou superiores continuam funcionando; atualização opcional nas Configurações. Novo modo CUDA "Desempenho prioritário" acelera ACE-Step, Qwen3-TTS, YuE2, VoxCPM2 e Drama 3 com maior uso de VRAM.
Mesclagem de voz: Kokoro agora permite mesclar duas vozes do mesmo idioma em proporções personalizadas para cada papel na narração.
Atualização de modelos: Modelos baixados mostram "Atualização disponível" nas Configurações quando uma nova versão é lançada, com atualização em um clique e aviso dispensável na barra lateral; versões anteriores continuam utilizáveis.
Checagem de áudio: Verificação automática após cada geração: estalos, cortes prematuros, silêncios longos ou volume excessivamente baixo são destacados no reprodutor e ao lado da linha correspondente, com detalhes ao passar o mouse. Ocho também inspeciona o áudio antes da entrega e regera apenas as frases com falhas.
Volume alvo: Exportação com volume alvo ajustável: audiolivro em −18, podcast em −16 ou plataformas de vídeo em −14 LUFS, mantendo picos abaixo de −1 dBTP.
Áudio de referência: Gravações de referência de até 10 minutos: clipes acima de 60 s têm os 5 a 15 s mais claros extraídos automaticamente, com botão "Seleção automática" no corte.
Narração de histórias: Narração de histórias permite inserir falas, efeitos sonoros e músicas geradas pelo yovoice diretamente na trilha; Ocho pode aplicar efeitos, atualizar modelos e ativar o modo de alto desempenho.
Ducking e mixagem: Atenuação de trilha sonora mais natural: o volume baixa antes do início da fala, mantém-se estável em pausas curtas e retorna de forma suave.
Gestão de recursos: Tabela de Configurações › Recursos simplificada em uma única tela, com ações de linha no menu "Mais"; janelas estreitas ganham rolagem horizontal.
Mensagens e avisos: Mensagens de erro mais transparentes: selecionar assinaturas do ChatGPT no painel do Ocho explica a incompatibilidade e permite reverter; falhas no motor durante a geração indicam "O motor de inferência encerrou inesperadamente" com a causa, sem falsos erros de rede.
Refinamentos visuais: Refinamento visual: a janela de materiais na narração mantém altura estável ao trocar de categoria, e a barra de rolagem do editor fica alinhada à divisória.
v0.4.1 2026-10-21
Atualização automática: Correção no instalador do macOS que exibia "Falha na verificação da atualização (codesign) … invalid requirement specification" ao concluir o download. Por estar no atualizador das versões 0.3.0 a 0.4.0, usuários de Mac devem instalar a 0.4.1 manualmente uma única vez; atualizações futuras ocorrerão de forma automática.
v0.4.0 2026-10-21
Suporte a Linux: Versão para Linux x64 lançada: pacotes .deb (Debian/Ubuntu) e .tar.gz com install.sh. Opera com motor de CPU integrado e permite baixar o motor GPU Vulkan nas Configurações; requer WebKitGTK 4.1 (atualização automática ainda indisponível).
Letras sincronizadas: Letras sincronizadas palavra por palavra na reprodução: cada termo acende no momento exato em que é cantado. Novo layout "Brilho flutuante" de uma frase por tela, ideal para gravações de vídeo; permite exportar arquivos LRC em nível de palavra.
Alinhamento inteligente: Modelo opcional de alinhamento de letras (separação vocal BS-RoFormer + Qwen3 Forced Aligner, ~1,3 GB): o "Alinhamento inteligente" isola a voz, descarta pausas e sincroniza as letras palavra por palavra; resultados ficam salvos na versão.
Página de reprodução: Reprodutor remodelado: barra de título imersiva no macOS, menu "Ferramentas de letra" unificando calibração, alinhamento e exportação, fundo retrabalhado e rolagem fluida. Nova opção "Ajustar tempo da letra" fixa frases na posição atual ou adianta/atrasa em 0,1/0,5 s (←/→); palavras individuais podem ser arrastadas na linha do tempo.
Instaladores mais leves: Instaladores mais leves: o dicionário de pronúncia Kokoro (~10 MB) agora é transferido sob demanda no primeiro download do modelo Kokoro.
Controle de recursos: Opção "Recursos" adicionada em Configurações › Geral: permite ocultar narração, música ou o assistente Ocho; desativar ambos oculta as opções de serviços de IA.
Desempenho: Inicialização rápida e interface fluida: corrige congelamento na tela de abertura quando há áudios longos (20 a 30 min) nos projetos recentes; páginas carregam sob demanda e processos em segundo plano não redesenham mais a interface inteira.
Correção de exportação: Correção no Windows e Linux para exportação de faixas acima de 2 minutos sem resposta; exportações longas na linha do tempo não têm mais restrições. A barra do reprodutor agora traz "Mostrar na pasta", com exportação no menu "Mais".
Downloads em espelho: Correção de erro na verificação do tamanho do arquivo ao baixar modelos do espelho ModelScope após sua atualização.
Compatibilidade: Requisitos mínimos do instalador para Windows reduzidos para o Windows 10 versão 1809 (compilação 17763) ou posterior.
Migração de dados: Durante a atualização, projetos, conversas do assistente e registros do motor são convertidos para o novo formato, com backup preventivo do banco de dados.
v0.3.1 2026-10-19
Correção de estabilidade: Correção de travamento na inicialização no macOS 26 causado pelo botão da barra lateral na barra de título.
Correção visual: Correção de páginas extensas no Windows cobertas por blocos pretos; áreas de rolagem principais agora usam uma barra fina e suave.
v0.3.0 2026-10-19
Assistente de IA: Conheça o Ocho, o assistente de IA integrado (⌘J / Ctrl+J): crie e edite projetos, escreva letras e partituras, escolha timbres e inicie gerações conversando. Ele compreende seleções ativas, lembra preferências e solicita confirmação antes de ações destrutivas.
Melodias e partituras: Músicas YuE2 agora podem começar com uma partitura melódica: componha ou extraia melodias e acordes, visualize em partitura tradicional, faixas ou ABC, ouça com sound fonts (notas acendem ao tocar), edite, desfaça, exporte em .abc e gere a canção completa a partir da partitura. Inclui faixas instrumentais e covers via SheetSage2.
Romances e legendas: Importação de livros e contos na narração (TXT, Markdown, EPUB), exportação de legendas SRT/WebVTT, letras em LRC e comparação lado a lado de versões na reprodução.
Recursos e logs: Novas áreas de configuração: Recursos para higienização de arquivos não utilizados, Registros com exportação de diagnóstico, divisões exclusivas para modelos de Voz e Música com seletor de precisão, e suporte ao ChatGPT (Codex).
Suporte multilíngue: A interface agora está disponível em chinês tradicional, japonês, coreano, espanhol, francês, alemão, português do Brasil, russo, italiano e vietnamita, com introdução animada, tour interativo e transições suaves.
Padrões e docs de API: Novos projetos utilizam modelos locais baixados por padrão; yovoice serve disponibiliza documentação interativa em /docs/; Projetos de partitura foram integrados em Música como "Geração de arranjos".
v0.2.1 2026-10-16
Downloads diretos: Download direto do Kokoro-82M 1.1-zh pelo Hugging Face e ModelScope, unificando a gestão de modelos no app e CLI com detecção automática de arquivos completos.
Primeira execução: Guia de preparação para o primeiro uso, sintetizador de voz rápido, exclusão em lote de áudios de referência, nomes de arquivos legíveis e limpeza segura de arquivos temporários.
Reprodução musical: Nova tela completa de reprodução com letras em tempo real, detecção e calibração vocal, limites estendidos de duração, nomenclatura automática por IA e edição de gêneros.
Armazenamento SQLite: Migração completa de projetos, vozes, modelos e preferências para banco SQLite com transações e backups, suportando importação de state.json, realocação de pastas e recuperação contra falhas.
Confiabilidade do desktop: Maior confiabilidade no Windows e macOS: recuperação de serviços locais, encerramento limpo de processos, melhorias na bandeja do sistema, layouts responsivos estreitos, traduções no Windows e validação de assinaturas.
Importação de formatos: Suporte ao Breeze TTS 2, importação de textos e legendas, refinamentos na integração com MCP e API local, OrcaRouter e alertas aprimorados para erros de disco, migração e salvamento.
v0.2.0 2026-10-11
Geração musical: Novo recurso de Geração Musical: defina estilos com tags, estruture letras por seções ou crie faixas puramente instrumentais usando ACE-Step 1.5 Turbo / XL Turbo ou YuE2 3B (canções com voz e duração dinâmica; licença CC BY-NC 4.0 não comercial). Cada tentativa é arquivada como versão para comparação e exportação; suporta modelos multipartes.
Projetos de partituras: Novo ambiente de Arranjos: componha notas por compasso e tempo, importe MIDI ou use agentes inteligentes, renderizando trilhas via sound fonts General MIDI com mixagem por instrumento. Painel de trilhas inferior com zoom, reprodução e exportação em MIDI ou JSON. Sound fonts inclusos: MuseScore General, GeneralUser GS ou SGM-V2.01. CLI com comandos stem, nova ferramenta MCP render_score e guia de arranjos no Agent Skill.
Provedores de IA: Integração opcional com provedores de IA (DeepSeek, Qwen, Zhipu, Kimi, Doubao, MiniMax, OpenAI, Anthropic, OpenRouter, endpoints locais e personalizados): componha partituras inteiras, estilos, letras e títulos a partir de uma única instrução, em segundo plano e com troca dinâmica de modelos.
Refinamentos visuais: Interface redesenhada: lista de projetos em formato de ingressos com capas de discos de vinil e fitas cassete, configurações agrupadas, página dedicada de sound fonts, botões de painel integrados à barra de título e dicas flutuantes que surgem apenas quando estritamente necessárias.
Motor de inferência: Motor de inferência atualizado para audio.cpp v0.9.1 com ciclo de atualização independente do aplicativo; novos instaladores com CUDA 12.4 e 13.3 para Windows.
Correções: Correções para tempo limite em solicitações longas de IA, salvamento ao sair, gravação de fusos horários no Windows, menus da linha do tempo, exclusão do último projeto e mensagens de diagnóstico mais claras.
v0.1.7 2026-10-05
Serviço remoto: Serviço remoto de voz via HTTP API e MCP: envio, consulta, cancelamento e download de tarefas com autenticação, desduplicação em novas tentativas e tempos limite ajustáveis.
Agent Skill: O Agent Skill agora opera tanto com CLI local quanto com serviços remotos; manuais de usuário e pacotes CLI trazem documentação completa.
Salvamento e diagnóstico: Correção de alertas de salvamento no Windows com opção de backup de emergência ao encerrar; registros de diagnóstico aprimorados.
v0.1.6 2026-10-01
Interpretações: Salve múltiplos estilos de interpretação por personagem com modelos e parâmetros independentes, aplicáveis a falas de histórias e projetos de voz.
Controles de interface: Alinhamento e dimensões padronizadas para menus suspensos de estilos, botão de adição e opções extras.
Controles de faixa: Correção da área de redimensionamento que cobria o botão de reprodução; o arraste agora ocorre apenas na borda superior, com ícones mais compactos.
Ícone do app: Remoção do anel de destaque da base do ícone do aplicativo, limpeza de imperfeições no contorno e ajuste do preenchimento no macOS.
v0.1.5 2026-09-29
Projetos de histórias: Lançamento dos tipos de projeto Narração de Histórias e Geração de Voz, com importação de legendas, síntese em segmentos e trilhas editáveis.
Edição de áudio: Edição de áudio com corte de trilhas, desfazer/refazer, mixagem e exportação em WAV, além de arquivamento, importação e recuperação de projetos.
Modelos oficiais: Download oficial em um clique para os modelos Kokoro de alta precisão BF16.
Notas de lançamento: Adição de histórico de versões com publicação automática das notas na página do GitHub Releases.
Acompanhamento de reprodução: Fim da fila em lote de linhas pendentes; a reprodução agora acompanha continuamente o texto do roteiro.
Fluidez e navegação: Navegação aprimorada com zoom suave, arrasto com ajuste magnético e indicador de reprodução unificado.
Estilo de popover: Correção visual de menus suspensos no WebKit legado; notificações flutuantes não deslocam mais a estrutura da tela.
Adaptação de janela: Melhorias no salvamento de tamanho e posição da janela no Windows, estabilidade ao iniciar e proporções de ícone no macOS.
v0.1.4 2026-09-26
Biblioteca de personagens: Nova Biblioteca de Personagens para salvar e reaproveitar vozes e timbres, compartilhando recursos de edição com o estúdio de criação.
Modelos oficiais: Download do modelo oficial Kokoro Q8 com 49 vozes nativas; suporte a importações experimentais multilíngues.
Gerenciamento de vozes: Aprimoramento da biblioteca de vozes, histórico, clipes de referência e roteiros com busca unificada, avatares e diálogos integrados.
Permissões de microfone: Correção de travamento no retorno de permissão de microfone no macOS e maior compatibilidade com seletores em sistemas anteriores.
Correção de codificador: Correção do limite de capacidade do codificador no VoxCPM2 ao processar clipes longos de áudio de referência.
Limpeza de processos: Garante que os serviços aguardem o encerramento seguro antes de fechar, mantendo os ajustes de interface para Windows.
v0.1.3 2026-09-19
Adaptação de janela: Refinamento das bordas de janela, rolagem, menus nativos e caixas de diálogo no Windows.
Rede e proxy: Interruptor de proxy de rede com salvamento automático de configurações e ajuste de posição dos menus suspensos.
Caminhos e runtime: Correção de caminhos para arquivos temporários de download no Windows e maior compatibilidade com o .NET 8.
v0.1.2 2026-09-18
Expansão de modelos: Suporte aos modelos OmniVoice e Qwen3-TTS com controles de design de voz, clonagem e parâmetros dedicados.
Interface em inglês: Interface em inglês com seletor de idiomas e tradução de menus nativos e dicas no macOS.
Organização de painéis: Reestruturação visual das preferências, do gerenciamento de pastas de modelos e dos painéis de controle.
Atualização automática: Correção na ordem dos parâmetros do utilitário lipo durante a verificação de arquitetura no macOS.
v0.1.1 2026-09-16
Expansão de modelos: Adição do modelo VoxCPM2 em versões Q8 e BF16 com recursos de design de voz e clonagem assistida no app e CLI.
Parâmetros de controle: Controles para descrição de voz em texto, escala de orientação, passos de inferência e semente aleatória.
Otimização de fluxo: Interface de modelos reorganizada: cartões de modelos podem ser desvinculados mesmo durante transferências ativas.
Otimização de fluxo: Comandos de desenvolvimento simplificados no make app-run; transição para reprodução segura após geração completa.
Permissões nativas: Correção de propriedade de permissão de microfone no macOS, utilizando diálogos nativos do sistema operacional.
v0.1.0 2026-09-16
Lançamento público: Versão pública inaugural do yovoice, com instaladores para macOS Apple Silicon e Windows x64.
Síntese de voz: Suporte a inferência local com IndexTTS 2.0 / 2.5, downloads diretos de modelos e importação de arquivos GGUF.
Clonagem de voz: Clonagem de voz por áudio de referência, transferência de estilo, controle de emoções e gravação direta pelo microfone.
Histórico de projetos: Biblioteca de timbres, histórico de projetos, controle de versões de áudio e reprodutor integrado.
CLI e ferramentas: Ferramenta CLI independente e Agent Skill para macOS, Windows e Linux com FFmpeg embutido para conversão de formatos de áudio.
