yovoice
Tải về yovoice

Nhật ký phát hành

Ghi lại từng bước phát triển của yovoice. Với định hướng chạy hoàn toàn cục bộ và mã nguồn mở, chúng tôi không ngừng mở rộng ranh giới tổng hợp giọng nói, nhân bản giọng và hòa âm âm nhạc—thổi hồn cảm xúc chân thực vào từng con chữ.

v0.5.0 2026-10-28 Tải xuống

  1. Mô hình giọng nói: Thêm 6 mô hình giọng nói mới: Ming 3.0 TTS, Voxtral TTS, Plapre 3, XTTS v2, Gradium Phonon và Fish Audio Drama 3, bao gồm giọng có sẵn, thiết kế giọng và nhân bản giọng đa ngôn ngữ; Drama 3 còn hỗ trợ nhãn người nói và sự kiện. Dùng riêng cho từng vai trong lồng tiếng (cần nhân audio.cpp v0.9.3).
  2. Tạo nhạc: Tạo nhạc hỗ trợ Stable Audio 3 (Small Music, Small SFX, Medium; Q8 / F16): tạo nhạc không lời từ mô tả tiếng Anh (Small tối đa 2 phút, Medium khoảng 6 phút), phối lại toàn bộ hoặc vẽ lại cục bộ từ bản đã tạo. Thêm tính năng "Tạo hiệu ứng âm thanh" từ 1–30 giây. Sử dụng giấy phép cộng đồng Stability AI (miễn phí cho doanh thu dưới 1 triệu USD/năm).
  3. Nhân suy luận: Nâng cấp nhân suy luận lên audio.cpp v0.9.3: sửa lỗi tính toán ngẫu nhiên trên Metal và CUDA, tăng tốc độ tạo cho nhiều mô hình. Nhân từ v0.7.4 trở lên vẫn tiếp tục hoạt động, có thể cập nhật trong Cài đặt. Thêm chế độ CUDA "Ưu tiên hiệu năng" giúp tăng tốc ACE-Step, Qwen3-TTS, YuE2, VoxCPM2 và Drama 3 (chiếm thêm VRAM).
  4. Trộn giọng: Kokoro hỗ trợ trộn hai giọng cùng ngôn ngữ theo tỷ lệ, có thể cài đặt riêng cho từng nhân vật trong lồng tiếng truyện.
  5. Cập nhật mô hình: Các mô hình đã tải về khi có phiên bản mới từ thượng nguồn sẽ hiển thị "Có phiên bản mới" trong Cài đặt và cập nhật bằng 1 chạm, thanh bên có thông báo có thể đóng; phiên bản cũ vẫn dùng được.
  6. Kiểm tra âm thanh: Tự động kiểm tra âm thanh sau khi tạo: phát hiện tiếng nổ, tiếng lách cách, cụt đuôi, im lặng dài hoặc âm lượng quá nhỏ tại thanh phát và bên cạnh câu tương ứng, di chuột để xem chi tiết và vị trí thời gian; Ocho cũng kiểm tra trước khi bàn giao và chỉ tạo lại những câu có vấn đề.
  7. Chuẩn độ lớn: Tùy chọn độ lớn mục tiêu khi xuất: sách nói −18, podcast −16, nền tảng video −14 LUFS, đỉnh không vượt quá −1 dBTP.
  8. Âm thanh tham chiếu: Âm thanh tham chiếu hỗ trợ bản ghi âm tới 10 phút: vượt quá 60 giây tự động cắt 5–15 giây giọng nói rõ nhất, khi cắt có thể chọn "Tự động chọn".
  9. Lồng tiếng truyện: Lồng tiếng truyện có thể đưa trực tiếp giọng nói, âm thanh và âm nhạc do yovoice tạo vào rãnh âm thanh; Ocho có thể thêm hiệu ứng, cập nhật mô hình và bật "Ưu tiên hiệu năng".
  10. Tối ưu hòa âm: Tự động hạ nhạc nền mượt mà hơn: chủ động nhường âm lượng trước khi nói, ngừng ngắn giữa câu không bị giật âm, phục hồi êm dịu sau khi dứt lời.
  11. Quản lý tài nguyên: Bảng "Tài nguyên" trong Cài đặt được tinh giản vừa vặn một màn hình, thao tác trên từng dòng đưa vào menu "Thêm"; cửa sổ hẹp có thể cuộn ngang.
  12. Thông báo & Gợi ý: Thông báo rõ ràng hơn: khi chọn gói thuê bao ChatGPT trong bảng Ocho sẽ giải thích ngay chế độ này không thể dùng cho trợ lý và cho phép chuyển lại; nhân gặp sự cố giữa chừng khi tạo sẽ thông báo rõ "Nhân suy luận thoát đột ngột" kèm nguyên nhân, không còn báo lỗi mạng sai lệch.
  13. Chi tiết giao diện: Chi tiết giao diện: cửa sổ vật liệu trong lồng tiếng truyện giữ chiều cao ổn định khi đổi loại, thanh cuộn vùng biên tập bám sát đường phân cách.

v0.4.1 2026-10-21

  1. Tự động cập nhật: Sửa lỗi tự động cập nhật trên macOS sau khi tải về luôn báo "Xác thực cập nhật thất bại (codesign) … invalid requirement specification". Lỗi này nằm trong trình cập nhật đi kèm bản 0.3.0–0.4.0, người dùng macOS vui lòng tải và cài đặt thủ công bản 0.4.1 một lần, sau đó các bản cập nhật sau sẽ hoạt động bình thường.

v0.4.0 2026-10-21

  1. Hỗ trợ Linux: Bản ứng dụng máy tính Linux x64 mới: cung cấp file .deb (Debian/Ubuntu) và .tar.gz kèm install.sh, sẵn sàng chạy bằng nhân CPU tích hợp và có thể tải thêm nhân Vulkan GPU trong Cài đặt; yêu cầu hệ thống có WebKitGTK 4.1, tạm thời chưa hỗ trợ tự động cập nhật.
  2. Lời bài hát đồng bộ: Trang phát nhạc chiếu sáng lời bài hát từng từ: phân bổ thời gian cho từng từ theo giọng hát; thêm kiểu hiển thị "Ánh sáng lượn" một câu một màn hình với chữ bay vào và phát sáng theo giọng hát, rất thích hợp quay màn hình; hỗ trợ xuất LRC từng từ.
  3. Căn chỉnh thông minh: Thêm mô hình căn chỉnh lời bài hát tùy chọn tải về (BS-RoFormer tách giọng + Qwen3 Forced Aligner, khoảng 1,3 GB): "Căn chỉnh thông minh" tách giọng hát trước, loại bỏ đoạn dạo nhạc và ngừng nghỉ dài, sau đó căn lời bài hát từng từ theo câu hát, kết quả lưu cùng phiên bản.
  4. Trang phát lại: Làm mới trang phát nhạc: thanh tiêu đề trên macOS hòa nhập cùng nền; thu gọn căn chỉnh, đồng bộ và xuất vào menu "Công cụ lời bài hát"; làm lại hiệu ứng nền, cuộn mượt hơn. Thêm tính năng "Chỉnh thời gian lời": ghim câu vào điểm đang phát hoặc đẩy câu nhanh/chậm 0,1/0,5 giây (←/→), kéo thả từ trên dòng thời gian hoặc chấm nhịp khi nghe.
  5. Thu gọn dung lượng: Gói cài đặt gọn nhẹ hơn: kho phát âm Kokoro (khoảng 10 MB) chuyển sang tải cùng lúc khi tải mô hình Kokoro lần đầu tiên.
  6. Cài đặt tính năng: Cài đặt › Chung thêm "Hiển thị tính năng", có thể ẩn riêng lồng tiếng truyện, tạo nhạc và trợ lý Ocho; khi cả Ocho và tạo nhạc đều tắt sẽ đồng thời ẩn cài đặt dịch vụ AI.
  7. Tối ưu hiệu năng: Khởi động nhanh hơn, giao diện mượt mà hơn: sửa lỗi dừng ở màn hình khởi động khi tác phẩm gần đây chứa âm thanh dài 20–30 phút; các trang chỉ tải khi mở lần đầu; quá trình tạo, tải và Ocho phản hồi không còn vẽ lại toàn bộ giao diện.
  8. Sửa lỗi xuất: Sửa lỗi không phản hồi khi bấm xuất nhạc trên 2 phút trên Windows và Linux, xuất âm thanh dài trên dòng thời gian cũng không còn bị giới hạn; thanh công cụ phát đổi thành "Mở vị trí", tính năng xuất đưa vào menu "Thêm".
  9. Sửa máy chủ tải: Sửa lỗi xác thực kích thước thất bại khi tải mô hình từ nguồn ModelScope sau khi máy chủ bản sao làm mới.
  10. Tương thích hệ thống: Hạ yêu cầu hệ thống tối thiểu của bộ cài Windows xuống Windows 10 1809 (17763).
  11. Chuyển đổi dữ liệu: Khi nâng cấp, tự động chuyển đổi các tác phẩm, hội thoại trợ lý và bản ghi nhân từ phiên bản cũ sang định dạng mới một lần, tự động sao lưu cơ sở dữ liệu trước khi chuyển đổi.

v0.3.1 2026-10-19

  1. Sửa lỗi ổn định: Sửa lỗi thoát ứng dụng đột ngột khi khởi động trên macOS 26 do nút thanh bên trên thanh tiêu đề gây ra.
  2. Sửa lỗi hiển thị: Sửa lỗi các trang dài trên Windows bị mảng đen lớn che khuất; các vùng cuộn chính hiển thị thanh cuộn mảnh màu sáng.

v0.3.0 2026-10-19

  1. Trợ lý AI: Ra mắt trợ lý AI tích hợp Ocho (⌘J / Ctrl+J): trò chuyện để tạo và chỉnh sửa tác phẩm, viết lời soạn nhạc, chọn chất giọng, chỉnh tham số và bắt đầu tạo; nhận diện nội dung chọn và kết quả gần đây, ghi nhớ sở thích, thao tác xóa luôn xác nhận trước khi thực hiện.
  2. Giai điệu & Bản nhạc: Bài hát YuE2 có thể viết bản nhạc giai điệu trước: soạn nhạc theo lời hoặc trích xuất từ bài hát, xem bằng khuông nhạc, rãnh hoặc ABC, nghe thử bằng soundfont (nốt nhạc sáng theo giai điệu), chỉnh sửa, hoàn tác, xuất .abc rồi tạo trọn vẹn bài hát theo nhạc phổ; thêm chế độ không lời và cover qua SheetSage2.
  3. Tiểu thuyết & Phụ đề: Lồng tiếng truyện hỗ trợ nhập tiểu thuyết (TXT, Markdown, EPUB) và xuất phụ đề SRT/WebVTT; trang phát nhạc có thể xuất lời bài hát LRC và nghe so sánh giữa các phiên bản trong cùng tác phẩm.
  4. Tài nguyên & Nhật ký: Thêm trang cài đặt "Tài nguyên" (tìm và dọn dẹp âm thanh không dùng), trang "Nhật ký" (xuất gói chẩn đoán lỗi), phân tách mô hình thành 2 trang "Mô hình giọng nói" và "Mô hình âm nhạc" với lựa chọn độ chính xác; thêm dịch vụ AI ChatGPT (Codex).
  5. Hỗ trợ đa ngôn ngữ: Giao diện bổ sung tiếng Trung phồn thể, tiếng Nhật, tiếng Hàn, tiếng Tây Ban Nha, tiếng Pháp, tiếng Đức, tiếng Bồ Đào Nha (Brazil), tiếng Nga, tiếng Ý và tiếng Việt, thêm hoạt ảnh mở đầu, hướng dẫn tính năng và hiệu ứng chuyển động mượt mà.
  6. Mặc định & Tài liệu API: Tạo tác phẩm mới mặc định dùng các mô hình đã tải về; yovoice serve cung cấp tài liệu API tương tác tại /docs/; đổi tên "Biên soạn nhạc" thành "Tạo nhạc biên soạn" và gộp vào mục "Tạo nhạc".

v0.2.1 2026-10-16

  1. Tải trực tiếp: Thêm tính năng tải trực tiếp Kokoro-82M 1.1-zh từ Hugging Face và ModelScope, thống nhất quản lý mô hình qua ứng dụng hoặc CLI và tự động nhận diện mô hình hoàn chỉnh trong thư mục.
  2. Lần đầu tạo & Tốc độ: Thêm danh sách chuẩn bị khi tạo lần đầu, tổng hợp giọng nói nhanh, xóa hàng loạt âm thanh tham chiếu, đặt tên file âm thanh xuất dễ đọc và dọn dẹp an toàn tệp dùng chung.
  3. Trình phát nhạc: Thêm trang phát nhạc hoàn chỉnh đồng bộ lời bài hát, định vị và hiệu chỉnh giọng hát, cải thiện giới hạn thời lượng bản nhạc, AI tự động đặt tên và chỉnh sửa phong cách.
  4. Lưu trữ SQLite: Chuyển đổi tác phẩm, chất giọng, mô hình và cài đặt sang lưu trữ SQLite có giao dịch và sao lưu, hỗ trợ chuyển đổi từ state.json, đổi vị trí lưu trữ, khôi phục sự cố và dọn dẹp vòng đời dữ liệu.
  5. Độ ổn định máy tính: Nâng cao độ ổn định ứng dụng máy tính trên Windows và macOS, bao gồm tự phục hồi dịch vụ nội bộ, dọn dẹp tiến trình, hành vi khay hệ thống, bố cục cửa sổ hẹp, bản địa hóa giao diện Windows, kiểm tra chữ ký và tự động cập nhật.
  6. Nhập định dạng: Thêm Breeze TTS 2, nhập file văn bản và phụ đề, cải thiện tích hợp MCP và API nội bộ, OrcaRouter, cùng các thông báo lỗi rõ ràng khi xử lý âm thanh, chuyển đổi dữ liệu, đầy bộ nhớ và lưu thất bại.

v0.2.0 2026-10-11

  1. Tạo nhạc: Thêm mục "Tạo nhạc": dùng thẻ định hình phong cách, viết lời có đánh dấu đoạn hoặc đổi sang không lời, tạo trọn vẹn bài hát qua ACE-Step 1.5 Turbo / XL Turbo hoặc YuE2 3B (hát có lời, độ dài bài hát bám theo lời thơ, giấy phép CC BY-NC 4.0 phi thương mại); mỗi lần tạo đều lưu lại thành phiên bản để nghe thử, so sánh, tái sử dụng và xuất. Hỗ trợ tải mô hình gồm nhiều tập tin.
  2. Bàn làm việc hòa âm: Thêm bàn làm việc "Biên soạn nhạc": viết nốt từng bè theo ô nhịp và phách, nhập MIDI hoặc để Agent soạn nhạc, kết xuất từng bè bằng kho soundfont General MIDI và hòa âm theo vai trò. Vùng rãnh nhạc trải rộng đáy cửa sổ, có phóng to, cuộn và con trỏ phát; xuất MIDI hoặc nhạc phổ JSON. Kho soundfont tự chọn MuseScore General, GeneralUser GS hoặc SGM-V2.01. CLI thêm lệnh yovoice score render|midi|from-midi (kèm tách bè), MCP thêm render_score, Agent Skill thêm tài liệu tham khảo biên soạn.
  3. Dịch vụ AI: Tùy chọn kết nối dịch vụ AI (DeepSeek, Qwen, Zhipu, Kimi, Doubao, MiniMax, OpenAI, Anthropic, OpenRouter, gói lập trình, cổng nội bộ và tùy chỉnh), một câu lệnh viết trọn vẹn phong cách phối khí hoặc bài hát, lời và tiêu đề, chạy ngầm và chuyển đổi mô hình bất kỳ lúc nào.
  4. Chi tiết giao diện: Đổi mới giao diện: danh sách tác phẩm phong cách cuống vé phối bìa đĩa hát và băng cassette, trang cài đặt phân nhóm, kho soundfont tách thành trang riêng, nút bật tắt bảng điều khiển hai bên tích hợp vào thanh tiêu đề, gợi ý lơ lửng chỉ xuất hiện khi chữ bị cắt bớt hoặc nút biểu tượng cần chú thích.
  5. Nhân suy luận: Nhân suy luận nâng cấp lên audio.cpp v0.9.1, cập nhật tách rời với ứng dụng chính; thêm bộ cài đặt Windows CUDA 12.4 và 13.3.
  6. Sửa lỗi: Sửa lỗi hết thời gian chờ yêu cầu AI dài, lỗi lưu khi thoát, lưu tác phẩm theo múi giờ Windows, menu dòng thời gian, xóa tác phẩm cuối cùng, thông báo lỗi và nhật ký chẩn đoán cụ thể hơn.

v0.1.7 2026-10-05

  1. Dịch vụ từ xa: Thêm dịch vụ giọng nói từ xa qua HTTP API và MCP, hỗ trợ gửi, tra cứu, hủy và tải âm thanh, có xác thực, chống trùng lặp khi thử lại và tùy chỉnh thời gian chờ.
  2. Agent Skill: Agent Skill hỗ trợ cả CLI nội bộ và dịch vụ từ xa; hướng dẫn sử dụng và gói cài đặt CLI cung cấp tài liệu độc lập.
  3. Cơ chế lưu: Sửa thông báo lỗi lưu trên Windows, hỗ trợ sao lưu dự phòng tác phẩm khi lưu thất bại lúc thoát; hoàn thiện nhật ký chẩn đoán.

v0.1.6 2026-10-01

  1. Diễn xuất nhân vật: Nhân vật hỗ trợ lưu nhiều phong cách diễn đạt, mỗi phong cách chọn riêng mô hình và thông số, dùng linh hoạt cho lời thoại và dự án giọng nói.
  2. Kích thước nút bấm: Đồng bộ kích thước và căn lề cho hộp chọn phong cách, nút thêm mới và nút tùy chọn thêm.
  3. Điều khiển phát: Sửa lỗi vùng kéo chỉnh chiều cao rãnh âm thanh che nút phát; thao tác kéo chỉ kích hoạt gần đường phân cách trên và thu gọn biểu tượng phát.
  4. Tối ưu biểu tượng: Loại bỏ dải sáng ở viền đế biểu tượng ứng dụng, làm sạch viền trong suốt và căn chỉnh khoảng trống lề biểu tượng trên macOS.

v0.1.5 2026-09-29

  1. Dự án lồng tiếng: Thêm hai loại dự án Lồng tiếng truyện và Tạo giọng nói, hỗ trợ nhập phụ đề, tạo theo từng đoạn và rãnh âm thanh có thể chỉnh sửa.
  2. Biên tập âm thanh: Thêm cắt gọt rãnh âm thanh, hoàn tác/làm lại, hòa âm và xuất file WAV, hỗ trợ xuất nhập tệp lưu trữ tác phẩm và khôi phục trạng thái.
  3. Mô hình chính thức: Thêm tính năng tải về một chạm cho mô hình chính thức Kokoro BF16.
  4. Ghi chú phát hành: Thêm nhật ký thay đổi phiên bản, tự động hiển thị mô tả tương ứng lên trang GitHub Release khi phát hành.
  5. Theo dõi dòng thoại: Bỏ cơ chế tạo hàng loạt cho lời thoại đang chờ; khi phát âm thanh văn bản luôn tự động cuộn theo mạch đọc.
  6. Cảm giác tương tác: Tối ưu hóa thao tác thu phóng rãnh, cuộn, kéo đoạn âm thanh và hít dính khi cắt, thống nhất kiểu dáng con trỏ phát cho chế độ đơn và đa nhân vật.
  7. Kiểu lớp nổi: Sửa kiểu dáng lớp nổi thả xuống trên WebKit đời cũ; thông báo đẩy không còn làm xô lệch bố cục bàn làm việc.
  8. Thích ứng cửa sổ: Cải thiện kích thước cửa sổ và ghi nhớ vị trí trên Windows, cùng độ ổn định khi khởi động và lề biểu tượng trên macOS.

v0.1.4 2026-09-26

  1. Thư viện nhân vật: Thêm Kho nhân vật giúp lưu trữ và tái sử dụng chất giọng cùng thiết lập giọng nói; dùng chung khả năng chỉnh sửa với quy trình sáng tạo.
  2. Mô hình chính thức: Thêm tính năng tải mô hình chính thức Kokoro Q8 cùng 49 chất giọng có sẵn, hỗ trợ nhập phiên bản tiếng Trung và đa ngôn ngữ thử nghiệm.
  3. Trải nghiệm quản lý: Tối ưu hóa kho giọng nói, lịch sử tạo, đoạn âm thanh tham chiếu và quản lý bài gốc, thống nhất tìm kiếm, ảnh đại diện, nghe thử và cửa sổ tương tác.
  4. Sửa lỗi quyền: Sửa lỗi thoát ứng dụng khi nhận phản hồi quyền micro trên macOS, tương thích tốt hơn với hộp chọn thả xuống trên macOS cũ.
  5. Sửa lỗi bộ mã hóa: Sửa sự cố giới hạn dung lượng bộ mã hóa VoxCPM2 khi dùng đoạn âm thanh tham chiếu dài.
  6. Dọn dẹp khi thoát: Sửa lỗi dịch vụ không đợi dọn dẹp xong trước khi thoát, đồng thời giữ nguyên các bản vá tương thích giao diện trên Windows.

v0.1.3 2026-09-19

  1. Thích ứng cửa sổ: Tối ưu hóa viền cửa sổ, cuộn, menu hệ thống gốc và hộp thoại ứng dụng trên Windows.
  2. Mạng & Proxy: Thêm công tắc proxy mạng và tự động lưu cài đặt, điều chỉnh căn vị trí menu thả xuống.
  3. Sửa đường dẫn: Sửa lỗi xử lý đường dẫn thư mục nén tải về trên Windows, hoàn thiện khả năng tương thích khi xây dựng với .NET 8.

v0.1.2 2026-09-18

  1. Mở rộng mô hình: Thêm mô hình OmniVoice và Qwen3-TTS cùng các thông số thiết kế giọng, nhân bản và tinh chỉnh tương ứng.
  2. Giao diện tiếng Anh: Bổ sung giao diện tiếng Anh, hỗ trợ tùy chọn ngôn ngữ cùng menu hệ thống và thông báo bản địa hóa trên macOS.
  3. Sắp xếp bảng điều khiển: Tổ chức lại bảng cài đặt tùy chọn, quản lý thư mục mô hình và bảng điều khiển quá trình tạo.
  4. Tự động cập nhật: Sửa lỗi đảo ngược thứ tự đối số khi kiểm tra kiến trúc chip bằng lệnh lipo trong quá trình tự động cập nhật trên macOS.

v0.1.1 2026-09-16

  1. Mở rộng mô hình: Thêm mô hình VoxCPM2 Q8 và BF16, hỗ trợ thiết kế giọng, nhân bản giọng và nhân bản có trợ giúp của văn bản mẫu trên cả App và CLI.
  2. Tham số điều khiển: Thêm mô tả giọng nói, độ mạnh dẫn hướng, số bước suy luận và cài đặt hạt giống ngẫu nhiên.
  3. Tối ưu quy trình: Tối ưu hóa bố cục và nút quản lý mô hình, trong lúc đang tải có thể hủy đăng ký của các mô hình khác.
  4. Tối ưu quy trình: Đơn giản hóa lệnh make app-run, tách rời khởi chạy hàng ngày với đóng gói bản phát hành; áp dụng phát sau khi tạo trọn vẹn.
  5. Quản lý quyền: Sửa cơ chế cấp quyền micro trên macOS, chuyển sang yêu cầu quyền bằng hộp thoại chuẩn của hệ thống.

v0.1.0 2026-09-16

  1. Phát hành đầu tiên: Phiên bản phát hành công khai đầu tiên, cung cấp bộ cài đặt ứng dụng cho macOS Apple Silicon và Windows x64.
  2. Tổng hợp giọng nói: Hỗ trợ suy luận cục bộ IndexTTS 2.0 / 2.5, tải mô hình và nhập tệp GGUF tùy chỉnh.
  3. Nhân bản giọng nói: Hỗ trợ nhân bản giọng theo mẫu, chuyển đổi phong cách, điều chỉnh cảm xúc, dẫn hướng bằng chữ và ghi âm trực tiếp qua micro.
  4. Quản lý tác phẩm: Cung cấp kho lưu trữ giọng nói, lịch sử tác phẩm, quản lý phiên bản và trình nghe thử âm thanh tức thì.
  5. Công cụ độc lập: Cung cấp công cụ CLI độc lập và Agent Skill cho macOS, Windows và Linux tích hợp sẵn FFmpeg tinh gọn để xử lý các định dạng âm thanh phổ biến.