yovoice
下载 yovoice

更新日志

记录 yovoice 的每一次演进。我们坚持纯本地运行与开源创作，持续探索语音合成、音色克隆与音乐编曲的边界，把文字变成真正有温度的声音。

v0.5.0 2026-10-28 下载

  1. 语音模型：新增 6 个语音模型：Ming 3.0 TTS、Voxtral TTS、Plapre 3、XTTS v2、Gradium Phonon 和 Fish Audio Drama 3，覆盖内置音色、声音设计与多语言音色克隆，Drama 3 还支持说话人和事件标签；故事配音的每个角色可分别使用，需要 audio.cpp v0.9.3 内核。
  2. 音乐生成：音乐生成支持 Stable Audio 3（Small Music、Small SFX、Medium，Q8 / F16）：按英文描述生成纯音乐，Small 最长 2 分钟、Medium 约 6 分钟，可以已生成的版本为起点整体改编或局部重绘；新增“音效生成”，按描述生成 1–30 秒音效。模型采用 Stability AI 社区许可，年收入低于 100 万美元可免费使用。
  3. 推理内核：推理内核升级到 audio.cpp v0.9.3：修复 Metal 与 CUDA 上偶发的计算错误，多个模型生成更快；已装 v0.7.4 及以上内核的仍可使用，设置页可选更新。CUDA 新增“性能优先”模式，为 ACE-Step、Qwen3-TTS、YuE2、VoxCPM2 和 Drama 3 加速，但占用更多显存。
  4. 音色混合：Kokoro 支持按比例混合两种同语言音色，故事配音的每个角色可分别设置。
  5. 模型更新：已下载的模型在上游发布新版本后，设置里标出“有新版本”并可一键更新，侧栏给出一次可关闭的提示；旧版本仍可使用。
  6. 音频体检：生成后自动体检音频：发现爆音、咔哒声、结尾截断、长静音、几乎无声或音量过小时，在播放栏和故事配音对应句子旁提醒，悬停可看问题和时间位置；Ocho 交付前也会检查，故事配音只重新生成有问题的句子。
  7. 响度标准：导出时可选目标响度：有声书 −18、播客 −16、视频平台 −14 LUFS，峰值不超过 −1 dBTP。
  8. 参考音频：参考音频支持最长 10 分钟的录音：超过 60 秒时自动截取人声最清楚的 5–15 秒，裁剪时也可点“自动挑选”。
  9. 故事配音：故事配音可直接把 yovoice 生成的语音、音效和音乐加到音轨；Ocho 能给故事配音加音效、更新模型和开启“性能优先”。
  10. 混音优化：背景音乐压低更自然：说话前提前让位，句间短停顿不再忽高忽低，说完后平滑恢复。
  11. 资源管理：设置“资源”页表格精简，一屏放下，每行操作收进“更多”菜单；窄窗口可左右滚动。
  12. 交互提示：提示更清楚：Ocho 面板选中 ChatGPT 订阅时直接说明该模式无法供助手使用并支持切回；内核在生成中途崩溃时明确提示“推理内核意外退出”及原因，不再报网络类错误。
  13. 界面细节：界面细节：故事配音素材弹窗切换类型时高度保持稳定，作品编辑区滚动条贴合分割线。

v0.4.1 2026-10-21

  1. 自动更新：修复 macOS 自动更新下载完成后总是提示“更新校验失败（codesign）……invalid requirement specification”的问题。该问题源自 0.3.0–0.4.0 版本自带的自动更新程序里，macOS 用户请手动下载安装一次 0.4.1，之后即可正常自动更新。

v0.4.0 2026-10-21

  1. 平台支持：新增 Linux x64 桌面版：提供 .deb（Debian/Ubuntu）和附 install.sh 的 .tar.gz，开箱使用内置 CPU 内核，可在设置中下载 Vulkan GPU 内核；需要系统提供 WebKitGTK 4.1，暂不支持自动更新。
  2. 逐字歌词：音乐播放页逐字点亮歌词：按音频里的人声分出每个字的时间；新增一句一屏的“浮光”样式，字随演唱逐个飞入亮起，适合录屏；可导出逐字 LRC。
  3. 智能对齐：新增可选下载的歌词对齐模型（BS-RoFormer 人声分离 + Qwen3 Forced Aligner，约 1.3 GB）：“智能对齐”先分离人声，去掉间奏和长停顿，再按句把歌词逐字对到演唱上，结果随版本保存。
  4. 播放页面：音乐播放页焕新：macOS 上标题栏与背景融为一体；校准、对齐、导出收进“歌词工具”菜单；“浮光”动效和背景重做，歌词滚动更顺滑。新增“调整歌词时间”：把一句锚定到当前播放位置，或整句提前、推后 0.1/0.5 秒（←/→），可选后面跟着移或只改这一句；单字可在时间轴上拖动，也可边听边跟唱打点。
  5. 体积精简：安装包变小：Kokoro 发音库（约 10 MB）改为第一次下载 Kokoro 模型时一并下载。
  6. 功能设置：设置 › 通用新增“功能显示”，可分别隐藏故事配音、音乐生成和 Ocho 助手；Ocho 与音乐生成都关闭时一并隐藏 AI 服务设置。
  7. 性能优化：启动更快、界面更流畅：修复最近作品里有二三十分钟长音频时启动停在启动画面的问题；各页面第一次打开时才加载；生成、下载和 Ocho 回复过程中不再重绘整个界面。
  8. 导出修复：修复 Windows 和 Linux 上导出约两分钟以上的音乐时点击没有反应的问题，时间线导出长音频也不再受限；播放器工具栏改为“打开位置”，导出移到“更多”菜单。
  9. 镜像修复：修复 ModelScope 镜像刷新后，从该来源下载模型时大小校验失败的问题。
  10. 系统兼容：Windows 安装包最低系统要求放宽到 Windows 10 1809（17763）。
  11. 数据迁移：升级时一次性把旧版本保存的作品、助手对话和内核记录转换为新格式，转换前自动备份数据库。

v0.3.1 2026-10-19

  1. 稳定性修复：修复 macOS 26 上标题栏侧边栏按钮导致应用启动后闪退的问题。
  2. 显示修复：修复 Windows 上内容超过一屏的页面被一大片黑色遮住的问题；主要滚动区域显示细的浅色滚动条。

v0.3.0 2026-10-19

  1. AI 助手：新增 AI 助手 Ocho（⌘J / Ctrl+J）：用对话新建和修改作品、写词写谱、挑音色、调参数、发起生成；能看到你的选中内容和最近结果，记住偏好，删除等操作先确认再执行。
  2. 旋律编曲：YuE2 歌曲可以先写旋律谱：按歌词写谱或从歌曲提取，用五线谱、轨道或 ABC 查看，用音色库试听（谱面跟随高亮）、修改、撤回、导出 .abc，再按谱生成整首歌；新增纯音乐、SheetSage2 翻唱，写词时按曲风选择不同曲式。
  3. 小说与字幕：故事配音支持导入小说（TXT、Markdown、EPUB）和导出 SRT/WebVTT 字幕；音乐播放页可导出 LRC 歌词，并在同一作品的各版本间对比试听。
  4. 资源与日志：设置新增“资源”页（查找并清理未使用的音频）、“日志”页（可导出诊断包），模型分为“语音模型”和“音乐模型”两页，每个模型一行、切换精度下载；AI 服务新增 ChatGPT (Codex)。
  5. 多语言：界面新增繁體中文、日本語、한국어、Español、Français、Deutsch、Português (Brasil)、Русский、Italiano 和 Tiếng Việt，加入开场动画、功能引导和更顺滑的动效。
  6. 默认模型：新建作品默认使用已下载的模型；yovoice serve 在 /docs/ 提供交互式 API 文档；「编曲」更名为「编曲生成」并入「音乐生成」。

v0.2.1 2026-10-16

  1. 模型直连：新增从 Hugging Face 和 ModelScope 直接下载 Kokoro-82M 1.1-zh，模型统一通过应用或 CLI 下载，并自动识别模型目录中的完整模型。
  2. 首次生成：新增首次生成准备清单、快速语音合成、参考音频批量删除、可读的生成音频文件名和更安全的共享文件清理。
  3. 音乐播放：新增带歌词同步、人声定位与校准的音乐播放页，改进编曲时长限制、AI 自动命名和风格编辑。
  4. 存储迁移：作品、音色、模型和设置迁移到带事务与备份的 SQLite，支持从 state.json 迁移、存储位置迁移、故障恢复和生命周期清理。
  5. 桌面稳定：提升 Windows 与 macOS 桌面可靠性，涵盖本地服务恢复、进程清理、托盘行为、窄窗口布局、Windows 界面本地化、签名校验和自动更新。
  6. 格式导入：新增 Breeze TTS 2、文本与字幕文件导入，改进本机 MCP 与 API、OrcaRouter，以及音频、迁移、磁盘和保存失败提示。

v0.2.0 2026-10-11

  1. 音乐生成：新增“音乐生成”：用标签定风格，写带段落标记的歌词或改为纯音乐，由 ACE-Step 1.5 Turbo / XL Turbo 或 YuE2 3B（带人声、长度随歌词，CC BY-NC 4.0 仅限非商业）生成整首歌曲；每次生成保留为版本，可试听、对比、复用和导出。支持下载由多个文件组成的模型。
  2. 编曲工作台：新增“编曲”：按小节和拍写各声部音符，或导入 MIDI、让 Agent 写谱，用 General MIDI 音色库逐声部渲染并按角色混音。轨道区横跨窗口底部，段落标在时间轴上，可缩放、滚动并显示播放指针；可导出 MIDI 或乐谱 JSON。音色库可选 MuseScore General、GeneralUser GS 或 SGM-V2.01。CLI 新增 yovoice score render|midi|from-midi（含分轨），MCP 新增 render_score，Agent Skill 新增编曲参考。
  3. AI 服务：可选接入 AI 服务（DeepSeek、通义千问、智谱、Kimi、豆包、MiniMax、OpenAI、Anthropic、OpenRouter、编程套餐、本地与自定义接口），一句话写出整份编曲或歌曲的风格、歌词和标题，在后台进行，可随时切换模型。
  4. 界面细节：界面焕新：票根式作品列表配唱片与磁带封面，设置页分组，音色库单独成页，左右面板开关集成到标题栏（右侧面板开关只在工作区显示），悬浮提示只在文字被截断或图标按钮需要说明时出现。
  5. 推理内核：推理内核升级到 audio.cpp v0.9.1，与应用分开更新；新增 Windows CUDA 12.4 与 13.3 安装包。
  6. 问题修复：修复长 AI 请求超时、退出保存、Windows 时区作品保存、时间线菜单、删除最后一个作品等问题，错误提示和诊断日志更具体。

v0.1.7 2026-10-05

  1. 远程服务：新增 HTTP API 与 MCP 远程语音服务，支持任务提交、查询、取消和音频下载，提供认证、重试去重与可配置超时。
  2. Agent Skill：Agent Skill 支持本地 CLI 和远程服务；用户指南与 CLI 安装包提供独立中英文文档。
  3. 保存机制：修复 Windows 保存错误提示，退出保存失败时可备份作品；完善保存和生成失败的诊断日志。

v0.1.6 2026-10-01

  1. 角色演绎：角色支持保存多种演绎方式，每种演绎可独立选择模型和参数，故事台词和语音项目可分别选用。
  2. 控件尺寸：统一演绎选择框与新增、更多按钮的尺寸和对齐。
  3. 播放控制：修复音轨面板调高区域遮挡播放按钮的问题，拖拽仅在顶部横线附近触发，横线贴近面板上边线外侧，并缩小播放控制图标。
  4. 图标优化：移除应用图标底板边缘的光带，清理透明轮廓杂点，并校准 macOS 图标的主体边界和小尺寸留白。

v0.1.5 2026-09-29

  1. 故事配音：新增故事配音与语音生成两类作品，支持字幕导入、分段生成和可编辑音轨。
  2. 音频剪辑：新增音轨裁剪、撤销与重做、混音及 WAV 导出，支持作品归档导入导出与状态恢复。
  3. 官方模型：新增 Kokoro 官方 BF16 模型下载。
  4. 更新记录：新增版本变更日志，发布时自动将对应版本的说明展示到 GitHub Release 页面。
  5. 台词跟随：移除待处理台词批量生成，播放时正文始终自动跟随。
  6. 交互手感：优化音轨缩放、滚动、片段拖动与磁吸裁剪交互，统一单人和多人播放指针样式。
  7. 浮层样式：修复旧版 WebKit 下拉浮层样式，通知展示不再挤动工作台布局。
  8. 窗口适配：改进 Windows 窗口尺寸适配与位置保存，以及 macOS 应用启动和图标边距。

v0.1.4 2026-09-26

  1. 角色库：新增角色库，保存并复用音色与声音设置；声音库与创作流程共用编辑能力。
  2. 官方模型：新增 Kokoro 官方 Q8 模型下载及 49 个内置音色，支持实验性多语言和中文版本导入。
  3. 管理体验：优化声音库、生成历史、参考音频片段与原文管理，统一搜索、头像、音频试听和弹窗交互。
  4. 权限修复：修复 macOS 麦克风权限回调崩溃，兼容旧版 macOS 的下拉选择器。
  5. 编码修复：修复 VoxCPM2 长参考音频的编码器容量问题。
  6. 退出清理：修复服务退出时未等待清理完成的问题，并保留 Windows 界面兼容修复。

v0.1.3 2026-09-19

  1. 窗口适配：优化 Windows 窗口边框、滚动、原生菜单与应用对话框。
  2. 网络代理：新增代理开关和设置自动保存，调整下拉菜单定位。
  3. 路径修复：修复 Windows 下载归档目录路径处理，完善 .NET 8 构建兼容性。

v0.1.2 2026-09-18

  1. 模型扩充：新增 OmniVoice 与 Qwen3-TTS 模型及对应的声音设计、克隆和生成参数。
  2. 英文界面：新增英文界面，支持语言偏好及 macOS 菜单、提示本地化。
  3. 面板整理：整理偏好设置、模型目录操作与生成控制面板。
  4. 自动更新：修复 macOS 自动更新时 lipo 架构校验参数顺序错误。

v0.1.1 2026-09-16

  1. 模型扩充：新增 VoxCPM2 Q8 / BF16，支持声音设计、音色克隆和参考原文辅助克隆，App 与 CLI 均可使用。
  2. 控制参数：新增声音描述、引导强度、推理步数和随机种子设置。
  3. 流程优化：优化模型管理布局与按钮，下载期间可移除其他模型的登记。
  4. 流程优化：简化 make app-run，分离日常启动与安装包制作；采用完整生成后播放。
  5. 权限管理：修复 macOS 麦克风权限归属，改用原生权限请求。

v0.1.0 2026-09-16

  1. 首发公开：首个公开版本，提供 macOS Apple Silicon 与 Windows 桌面安装包。
  2. 语音合成：支持 IndexTTS 2.0 / 2.5 本地生成、模型下载及 GGUF 导入。
  3. 声音克隆：支持参考音色、参考演绎、情绪调节、文字引导和参考音频录制。
  4. 作品管理：提供声音库、作品历史、版本管理与音频试听。
  5. 独立工具：提供 macOS、Windows、Linux 独立 CLI 与 Agent Skill，内置精简 FFmpeg 处理常见音频格式。