幾秒音訊，複製心儀聲線
01 / 音色
復刻聲音，或憑空創造
上傳或錄製一段參考音訊，即可提取專屬聲線；亦能直接輸入文字描述，無中生有設計全新聲音。
把文字，變成有情緒的聲音
從故事配音、語音生成，到整首歌曲與多軌編曲，在自己的電腦上完成聲音創作。本機運行，數據自主掌控。
他脸上黑而且瘦，已经不成样子；穿一件破夹袄，盘着两腿，下面垫一个蒲包，用草绳在肩上挂住；见了我，又说道，“温一碗酒。”掌柜也伸出头去，一面说，“孔乙己么？你还欠十九个钱呢！”孔乙己很颓唐的仰面答道，“这……下回还清罢。这一回是现钱，酒要好。”掌柜仍然同平常一样，笑着对他说，“孔乙己，你又偷了东西了！”但他这回却不十分分辩，单说了一句“不要取笑！”“取笑？要是不偷，怎么会打断腿？”孔乙己低声说道，“跌断，跌，跌……”他的眼色，很像恳求掌柜，不要再提。此时已经聚集了几个人，便和掌柜都笑了。我温了酒，端出去，放在门槛上。他从破衣袋里摸出四文大钱，放在我手里，见他满手是泥，原来他便用这手走来的。不一会，他喝完酒，便又在旁人的说笑声中，坐着用这手慢慢走去了。
00:00 / 01:11準備播放
yovoice
左右滑動，翻閱內頁 →
VOICE COLLECTION / 001
VOICE
VOICE
NOTES
聲音選集 · 第一輯12 段聲音 / 04 種用法
- CATALOG
- YV-001
- TRACKS
- 01—12
DEMO 隨意試聽
SIDE A
SIDE A
SIDE B
SIDE B
在本機完成聲音與音樂創作
故事配音 · 語音生成 · 音樂生成 · 編曲
匯入或寫下內容
文字、字幕、歌詞，或每個聲部的音符
安排聲音與聲部
分配角色，選擇模型或 General MIDI 音色庫
生成、試聽與剪輯
保留每次生成的版本，對比後匯出
從聲音到音樂，把創意做完
幾秒音訊，複製心儀聲線
YOVOICE / EXPRESSION
同一句台詞，不同的心境
你终于来了，我等你好久了。
02 / 表達
語氣到位，表達才真切
是雀躍歡快，還是低沉克制？支援透過情緒標籤、參考音訊或自然語言描述調控語氣，讓聲音傳達字面之外的喜怒哀樂。
註：不同基底模型支援的控制細緻度有所不同MUSIC / 03音樂生成示範，點擊播放
03 / 音樂生成
一句提示詞，旋律自然流淌
根據歌詞與風格描述生成完整歌曲或伴奏，也可由 Stable Audio 3 生成純音樂與短音效，支援按譜演奏、局部重繪與逐字歌詞對齊。
註：音樂生成需要支援的推論核心，部分模型需要顯示卡或 Apple SiliconSCORE / 04編曲示範，點擊播放
04 / 編曲
多軌編曲，旋律隨心譜寫
直觀的小節與音符編輯，多聲部配器，實時試聽。支援匯入匯出標準 MIDI，無需推論核心，隨時隨地穩定渲染。
註：編曲渲染使用 General MIDI 音色庫，不依賴 GPU
05 / 本機運行
完全運行在你的電腦上
無需排隊，無需擔心私隱洩漏。所有計算在本機完成，資產保存在本機目錄，離線也能專注創作。
macOS (Apple Silicon) · Windows (x64) · Linux (x64)
06 / 工作流程
為開發者與創作者而生
既是開箱即用的桌面應用，也是強大的腳本化工具。支援 CLI 批量處理、HTTP API 與 MCP 協議，讓 AI Agent 直接調用。
支援的模型與音色庫
查看完整模型指南
| 模型 | 適用場景與核心能力 |
|---|---|
| IndexTTS 2.0 / 2.5 | 專精音色複製與情緒控制，支援多語言複製、參考演繹與發音調整 |
| VoxCPM2 | 文字引導的聲音設計與複製，支援參考原文輔助的精細複製 |
| OmniVoice | 預定義屬性的聲音設計、複製與非語言聲音標籤（笑聲、嘆氣等） |
| Qwen3-TTS | 多語言音色複製、9 種內建音色，以及自然語言聲音設計 |
| Breeze TTS 2 | 中英自然語言設計音色、音色複製與演繹指導；建議使用顯示卡 |
| Kokoro-82M 1.0 / 1.1-zh | 輕量內建音色：1.0 Official 有 49 種，1.1-zh 實驗版含 100 種中文音色；支援同語言音色按比例混合 |
| ACE-Step 1.5 Turbo / XL Turbo | Turbo 根據風格描述與歌詞生成歌曲或純音樂，支援 50 多種演唱語言；XL Turbo 品質更高 |
| YuE2 3B | 根據歌詞與風格生成整首帶人聲歌曲，長度隨歌詞，支援可編輯的旋律譜 |
| Stable Audio 3 | 根據英文描述生成純音樂（最長 6 分鐘）與 1–30 秒短音效，支援整體改編與局部重繪；採用 Stability AI 社群授權 |
| Ming 3.0 / XTTS v2 / Voxtral / Drama 3 | Ming 3.0 支援 7 種語言聲音設計與複製；XTTS v2 支援 17 種語言複製；Voxtral 提供 20 種內建音色；Drama 3 支援說話者與事件標籤 |
| MuseScore General / GeneralUser GS / SGM-V2.01 | 為編曲提供 General MIDI 音色渲染；無需推論核心或顯示卡，結果完全確定 |
常見問題
官網這些試聽 Demo 是怎樣做出來的？
試聽由 yovoice 在本機透過 CLI 生成，使用的模型標在每段聲音旁。「平靜」與「開心」使用相同文字和參考聲線，只調整情緒參數。網頁播放的是生成好的音訊，不會在瀏覽器中運行模型。
我的音色、作品和模型保存在哪裏？
預設存放在本機的 ~/.yovoice 目錄下。你的所有文稿、音色資產和模型都在本機掌控。即使解除安裝客戶端，這部分資料也不會被誤刪；如果更換電腦，直接打包備份該目錄即可。
平時使用必須連網嗎？
本機生成與樂譜渲染可以離線進行。安裝、下載模型或音色庫，以及使用可選 AI 服務時需要網絡。所需檔案就緒後，語音和音樂生成均在本機完成；樂譜渲染不需要推論核心或 GPU。
可以讓 AI 幫我寫譜和歌詞嗎？
可以，這項服務是可選的。接入 DeepSeek、通義千問、Kimi、OpenAI、Anthropic、Ollama 或相容介面後，AI 可以編寫整份編曲，或填寫歌曲風格、歌詞和標題；不啟用亦不影響其他功能。密鑰只保存在本機，請求內容會發送給你選擇的服務。
對電腦配置有甚麼要求？
目前推論核心為 audio.cpp v0.9.3，桌面版支援：
- macOS：macOS 14+ 且搭載 Apple Silicon（M 系列晶片），原生調用 Metal 加速。
- Windows：Windows 10/11 64 位元系統，支援 CPU、NVIDIA CUDA 與實驗性 Vulkan，並提供 CUDA 12.4 / 13.3 安裝檔。
- Linux：Linux x64（Debian/Ubuntu，提供 .deb 及附 install.sh 的 .tar.gz），內置 CPU 核心，可在設定中下載 Vulkan GPU 核心。
輕量朗讀推薦 4GB+ 記憶體；高音質複製與聲音設計推薦 4–6GB 顯示卡記憶體或 Apple Silicon 8GB+；整首歌與純音樂生成推薦 12GB+ 顯示卡記憶體或 Apple Silicon 16GB+。實際需求取決於模型與精度。
匯出的音訊品質與響度標準如何控制？
支援自動音訊體檢與專業響度標準匯出：生成後自動檢測爆音、喀噠聲、結尾截斷與長靜音並在播放欄和台詞旁標出，懸停可看問題詳情與時間位置；匯出時支援有聲書（−18 LUFS）、播客（−16 LUFS）與視訊平台（−14 LUFS）目標響度，真實峰值保持在 −1 dBTP 以內。
生成的聲音和音樂可以商用嗎？
yovoice 軟體本身採用 Apache-2.0 開源協議；生成內容能否商用，取決於模型授權與你對輸入素材和聲音擁有的權利：
- OmniVoice（CC-BY-NC）、YuE2（CC BY-NC 4.0）與 Breeze TTS 2（BreezeBlue 研究與非商業許可）的權重僅限非商業用途；Breeze TTS 2 生成的語音也不允許商用。Stable Audio 3 採用 Stability AI 社群授權（年營收低於 100 萬美元可免費使用）。IndexTTS 另有獨立模型授權。
- 其他模型也請核對發布方授權；商用前請確保你擁有參考音訊、聲音和所用素材的必要權利或授權。
可以讓 AI Agent 調用它生成語音或渲染樂譜嗎？
當然。獨立 CLI、Agent Skill 和 MCP 可以從文字與參考音色生成語音，也可以用 yovoice score render 輸出混音與分軌，無需打開桌面應用。
取得 yovoice前往 GitHub Releases
macOS 14+Apple SiliconWindows 10/11x64Linuxx64
