yovoice
下載 yovoice

更新日誌

記錄 yovoice 的每一次演進。我們堅持純本機運作與開源創作，持續探索語音合成、音色複製與音樂編曲的邊界，把文字變成真正有溫度的聲音。

v0.5.0 2026-10-28 下載

  1. 語音模型：新增 6 個語音模型：Ming 3.0 TTS、Voxtral TTS、Plapre 3、XTTS v2、Gradium Phonon 與 Fish Audio Drama 3，涵蓋內置音色、聲音設計與多語言音色克隆，Drama 3 亦支援說話者與事件標籤；故事配音的各個角色可分別使用，需 audio.cpp v0.9.3 核心。
  2. 音樂生成：音樂生成支援 Stable Audio 3（Small Music、Small SFX、Medium，Q8 / F16）：按英文描述生成純音樂，Small 最長 2 分鐘、Medium 約 6 分鐘，可以已生成版本為起點整體改編或局部重繪；新增「音效生成」，按描述生成 1–30 秒音效。模型採 Stability AI 社群授權，年營收低於 100 萬美元可免費使用。
  3. 推理核心：推理核心升級至 audio.cpp v0.9.3：修復 Metal 與 CUDA 上偶發的計算錯誤，多個模型生成更快速；已安裝 v0.7.4 及以上核心者仍可繼續使用，設定頁面提供選用更新。CUDA 新增「效能優先」模式，為 ACE-Step、Qwen3-TTS、YuE2、VoxCPM2 及 Drama 3 加速，但會佔用更多顯示卡記憶體。
  4. 音色混合：Kokoro 支援按比例混合兩種同語言音色，故事配音的各個角色可分別設定。
  5. 模型更新：已下載的模型於上游推出新版本時，設定頁面將標註「有新版本」並支援一鍵更新，側邊欄提供一次可關閉的提醒；舊版本仍可繼續使用。
  6. 音訊健檢：生成後自動檢測音訊品質：發現爆音、咔嗒聲、結尾截斷、長靜音、幾近無聲或音量過小時，將於播放列及故事配音對應句子旁提示，鼠標懸停即可查看問題與時間點；Ocho 交付前亦會進行檢查，故事配音僅重新生成有問題的句子。
  7. 響度標準：匯出時可選目標響度：有聲書 −18、Podcast −16、影片平台 −14 LUFS，真峰值不超過 −1 dBTP。
  8. 參考音訊：參考音訊支援最長 10 分鐘的錄音：超過 60 秒時自動截取人聲最清晰的 5–15 秒，裁剪時亦可點選「自動挑選」。
  9. 故事配音：故事配音可直接將 yovoice 生成的語音、音效與音樂加入音軌；Ocho 可為故事配音加入音效、更新模型並啟用「效能優先」。
  10. 混音優化：背景音樂閃避壓低更自然：說話前提前讓位降低音量，句間短暫停頓不再忽大忽小，話語結束後平滑恢復。
  11. 資源管理：設定「資源」頁面的表格精簡為一屏容納，各列操作收納至「更多」選單；窄視窗支援左右橫向滾動。
  12. 互動提示：提示更加清晰：於 Ocho 面板選取 ChatGPT 訂閱時，直接說明該模式無法供助手使用並支援切回；核心於生成中途崩潰時，將明確提示「推理核心非預期結束」及具體原因，不再誤報網絡相關錯誤。
  13. 介面細節：介面細節改善：故事配音素材彈出視窗切換類型時高度維持穩定，專案編輯區捲軸緊貼分割線。

v0.4.1 2026-10-21

  1. 自動更新：修復 macOS 自動更新下載完成後總是提示「更新校驗失敗 (codesign)……invalid requirement specification」的問題。該問題源於 0.3.0–0.4.0 版本內建的更新程式，macOS 用戶請手動下載安裝一次 0.4.1，後續即可正常自動更新。

v0.4.0 2026-10-21

  1. 平台支援：新增 Linux x64 桌面版：提供 .deb（Debian/Ubuntu）及隨附 install.sh 的 .tar.gz，隨裝即用內建 CPU 核心，亦可於設定中下載 Vulkan GPU 核心；需系統支援 WebKitGTK 4.1，目前暫未支援自動更新。
  2. 逐字歌詞：音樂播放頁支援逐字點亮歌詞：依音訊中的人聲分離出每個字的時間點；新增單句單屏的「浮光」動態樣式，字詞隨演唱節奏逐字躍入點亮，極度適合錄屏；支援匯出逐字 LRC。
  3. 智慧對齊：新增選用下載的歌詞對齊模型（BS-RoFormer 人聲分離 + Qwen3 Forced Aligner，約 1.3 GB）：「智慧對齊」會先分離人聲、排除間奏與長時間停頓，再依據語句將歌詞逐字對齊演唱時間，結果將隨作品版本妥善儲存。
  4. 播放頁面：音樂播放頁全新升級：macOS 標題列與背景無縫融為一體；校準、對齊、匯出收納至「歌詞工具」選單；「浮光」動效與背景重新設計，歌詞滾動極致流暢。新增「調整歌詞時間」：可將整句錨定至目前播放點，或整句微調快慢 0.1/0.5 秒（←/→），支援聯動後續句或僅單句更動；單字亦可在時間軸上自由拖曳或聆聽跟唱打點。
  5. 體積精簡：安裝包體積精簡：Kokoro 發音詞庫（約 10 MB）改為首次下載 Kokoro 模型時一併下載。
  6. 功能設定：設定 › 一般新增「功能顯示」，可獨立隱藏故事配音、音樂生成與 Ocho 助手；當 Ocho 與音樂生成皆關閉時，AI 服務設定將自動連帶隱藏。
  7. 效能優化：啟動更迅捷、介面更流暢：修復近期作品含有 20–30 分鐘長音訊時啟動停滯於開機畫面的問題；各頁面改為首次點選時才按需載入；生成、下載與 Ocho 回應過程中不再觸發整體介面重繪。
  8. 匯出修復：修復 Windows 與 Linux 上匯出兩分鐘以上音樂時點擊無回應的問題，時間軸匯出長音訊亦不再受限；播放器工具列調整為「開啟位置」，匯出功能收納至「更多」選單。
  9. 映象修復：修復 ModelScope 鏡像更新後，自該來源下載模型時檔案大小校驗失敗的問題。
  10. 系統相容性：Windows 安裝包最低作業系統版本要求放寬至 Windows 10 1809（17763）。
  11. 資料遷移：軟體升級時自動將舊版本儲存的專案、助手對話與核心執行記錄一次性轉換為新格式，轉換前將自動備份資料庫。

v0.3.1 2026-10-19

  1. 穩定性修復：修復 macOS 26 上標題列側邊欄按鈕導致應用程式啟動時閃退的問題。
  2. 顯示修復：修復 Windows 上內容超出單頁時被大片黑色遮蔽的問題；主要捲動區域改為顯示纖細的淺色捲軸。

v0.3.0 2026-10-19

  1. AI 助手：新增內置 AI 助手 Ocho（⌘J / Ctrl+J）：透過對話建立與修改專案、譜寫詞曲、遴選音色、微調參數並發起生成；能即時感知選取內容與近期結果，記住創作偏好，刪除等破壞性操作均會先行確認再執行。
  2. 旋律編曲：YuE2 歌曲支援先編寫旋律譜：依歌詞譜曲或直接自歌曲提取，可用五線譜、音軌或 ABC 記譜檢視，透過音色庫試聽（譜面同步高亮跟隨）、修改、復原、匯出 .abc，再依譜生成完整歌曲；新增純音樂模式、SheetSage2 翻唱，作詞時可依曲風選用不同曲式。
  3. 小說與字幕：故事配音支援匯入小說作品（TXT、Markdown、EPUB）並支援匯出 SRT/WebVTT 字幕；音樂播放頁支援匯出 LRC 歌詞，並可在同一專案的不同版本間對比試聽。
  4. 資源與日誌：設定新增「資源」頁面（檢索並清理閒置未使用的音訊）與「記錄」頁面（支援匯出診斷套件），模型拆分為「語音模型」與「音樂模型」兩大分頁，每個模型採單行呈現並支援自選精度下載；AI 服務新增支援 ChatGPT (Codex)。
  5. 多語言支援：軟體介面全新支援繁體中文、日本語、한국어、Español、Français、Deutsch、Português (Brasil)、Русский、Italiano 及 Tiếng Việt，並加入精緻開場動畫、功能導覽與流暢轉場動效。
  6. 預設模型：新增作品預設採用本機已下載的模型；yovoice serve 於 /docs/ 路徑提供互動式 API 文件；「編曲」正式更名為「編曲生成」並統整至「音樂生成」專區。

v0.2.1 2026-10-16

  1. 模型直連：新增自 Hugging Face 及 ModelScope 直連下載 Kokoro-82M 1.1-zh，模型統一經由應用程式或 CLI 取得，並自動識別模型目錄中已放置的完整模型。
  2. 首次生成：新增初次生成準備檢查清單、極速語音合成、參考音訊批次刪除、語義化易讀的音訊檔案命名以及更健全的共享快取清理機制。
  3. 音樂播放：新增具備歌詞同步、人聲定位與節奏校準的專屬音樂播放頁，並放寬編曲時長限制，優化 AI 自動命名與曲風編輯流程。
  4. 儲存遷移：專案作品、音色、模型與全域設定全面遷移至具備交易防護與自動備份機制的 SQLite，支援自 state.json 無縫轉移、儲存路徑變更、故障復原與資料生命週期清理。
  5. 桌面穩定性：全面強化 Windows 與 macOS 桌面客戶端穩定度，涵蓋本機服務自我修復、背景程序終止清理、系統匣行為優化、窄視窗自動適配、Windows 介面在地化、代碼簽名校驗與自動更新機制。
  6. 格式匯入：新增支援 Breeze TTS 2、純文字與字幕檔案匯入，優化本機 MCP 與 API 整合、OrcaRouter 路由分發，並強化音訊處理、資料遷移、磁碟空間不足及存檔失敗時的錯誤提示。

v0.2.0 2026-10-11

  1. 音樂生成：新增「音樂生成」模組：透過標籤定義曲風，撰寫具備段落標記的歌詞或轉為純音樂，由 ACE-Step 1.5 Turbo / XL Turbo 或 YuE2 3B（具備人聲演唱、曲長隨歌詞自然延伸，採 CC BY-NC 4.0 非商業授權）生成整首歌曲；歷次生成均完整保留為獨立版本，支援試聽、對比、重複利用與匯出。支援下載由多個檔案組成的大型模型。
  2. 編曲工作台：新增「編曲」工作台：依小節與拍號編寫各聲部音符，或直接匯入 MIDI、由 Agent 智慧譜曲，使用 General MIDI 音色庫逐軌渲染並按角色聲部混音。音軌檢視區橫跨視窗底部，段落分明標註於時間軸，支援縮放、滾動與即時播放指針；支援匯出 MIDI 或樂譜 JSON。音色庫可選 MuseScore General、GeneralUser GS 或 SGM-V2.01。CLI 新增 yovoice score render|midi|from-midi（支援分軌匯出），MCP 新增 render_score，Agent Skill 同步擴充編曲範例指南。
  3. AI 服務：選用串接主流 AI 服務（DeepSeek、通義千問、智譜、Kimi、豆包、MiniMax、OpenAI、Anthropic、OpenRouter、各類開發者套裝、本機及自訂端點），僅需一句提示詞即可在背景自動構思整份編曲配器、歌曲風格、歌詞與標題，並支援隨時切換模型。
  4. 介面細節：介面視覺全新升級：票根風格的專案列表搭配黑膠唱片與卡式磁帶封面，設定頁面模組化分組，音色庫獨立成頁，側邊欄開關收納至頂部標題列（右側開關僅於工作區啟用），懸浮提示僅在文字過長截斷或純圖示按鈕需要說明時適時呈現。
  5. 推理核心：推理核心升級至 audio.cpp v0.9.1，與主應用程式採分離式獨立更新；新增 Windows 平台的 CUDA 12.4 與 13.3 專用安裝包。
  6. 問題修復：修復長耗時 AI 請求逾時、應用程式結束時儲存異常、Windows 時區專案存檔、時間軸快顯功能表以及刪除最後一項作品時的異常問題，提供更具體詳盡的錯誤提示與診斷記錄。

v0.1.7 2026-10-05

  1. 遠程服務：新增 HTTP API 與 MCP 遠程語音服務，支援任務提交、查詢、取消及音訊下載，具備身份驗證、重試去重與可配置超時機制。
  2. Agent Skill：Agent Skill 全面支援本機 CLI 與遠程服務呼叫；用戶指南及 CLI 安裝包提供獨立的中英文說明文件。
  3. 儲存機制：修復 Windows 存檔錯誤提示，結束程式存檔失敗時自動建立作品備份；完善存檔與生成失敗時的診斷記錄。

v0.1.6 2026-10-01

  1. 角色演繹：角色支援儲存多種演繹風格，每種演繹可獨立指定模型與參數，故事台詞與語音專案皆可靈活套用。
  2. 控件尺寸：統一演繹風格下拉選單、新增按鈕與更多按鈕的尺寸規格與視覺對齊。
  3. 播放控制：修復音軌面板高度調整感應區遮蔽播放按鈕的問題，拖曳調整僅於頂部橫線觸發，橫線貼近面板邊界，並微縮播放控制圖示。
  4. 圖標優化：移除應用程式圖示底板邊緣的亮光帶，清理透明邊緣雜訊，並重新校準 macOS 圖示主體邊界與小尺寸留白比例。

v0.1.5 2026-09-29

  1. 故事配音：新增故事配音與語音生成兩大專案類型，支援字幕檔案匯入、段落生成與視覺化可編輯音軌。
  2. 音訊剪輯：新增音軌無損裁剪、復原與重做、多軌混音及高品質 WAV 匯出，支援完整專案封存檔的匯入、匯出與狀態還原。
  3. 官方模型：新增 Kokoro 官方高品質 BF16 精度模型一鍵下載。
  4. 更新記錄：新增版本變更日誌系統，發布時自動同步該版本的詳細說明至 GitHub Release 頁面。
  5. 台詞跟隨：移除待處理台詞的批次生成機制，音訊播放時劇本文本全程即時自動高亮跟隨。
  6. 互動手感：大幅優化音軌縮放、平滑滾動、音訊片段拖曳與磁吸式貼齊裁剪體驗，統一單人與多人模式下的播放指針樣式。
  7. 浮層樣式：修復舊版 WebKit 引擎下下拉快顯浮層的樣式異常，全域通知提示不再擠壓工作台原有排版。
  8. 視窗適配：改進 Windows 視窗尺寸適配與關閉前位置記憶功能，並優化 macOS 啟動穩定度與圖示邊距比例。

v0.1.4 2026-09-26

  1. 角色庫：新增獨立角色庫，方便儲存並重複調用專屬音色與發音設定；聲音庫與創作工作台無縫共用編輯能力。
  2. 官方模型：新增 Kokoro 官方 Q8 量化模型下載及 49 種精選內置音色，支援實驗性多語言與中文社群衍生版本匯入。
  3. 管理體驗：全面優化聲音庫、生成歷史記錄、參考音訊片段與原文文稿管理，統一全域搜尋、虛擬頭像、音訊試聽與對話框互動體驗。
  4. 權限修復：修復 macOS 麥克風授權回呼引發的崩潰問題，提升對舊版 macOS 系統下拉選取器的相容度。
  5. 編碼修復：修復 VoxCPM2 模型處理長秒數參考音訊時觸發的編碼器容量溢出問題。
  6. 退出清理：修復後端服務結束時尚未完全釋放資源即關閉的問題，並完整保留 Windows 介面顯示相容性修復。

v0.1.3 2026-09-19

  1. 視窗適配：優化 Windows 系統下的視窗邊框渲染、平滑捲動、原生系統選單與應用程式對話方塊。
  2. 網絡代理：新增網絡代理伺服器開關與設定變更自動儲存機制，並修正下拉選單定位邏輯。
  3. 路徑修復：修復 Windows 環境下模型下載暫存路徑處理問題，進一步完善 .NET 8 建置相容性。

v0.1.2 2026-09-18

  1. 模型擴充：新增 OmniVoice 與 Qwen3-TTS 語音模型，並配套專屬的聲音設計、音色克隆與生成微調參數。
  2. 英文介面：新增完整英文語系介面，支援使用者語言偏好切換，並在地化 macOS 原生選單與各類提示訊息。
  3. 面板整理：全面重構偏好設定選項、模型存放目錄管理及底層語音生成控制面板排版。
  4. 自動更新：修復 macOS 執行自動更新時 lipo 晶片架構校驗參數順序錯誤的內部異常。

v0.1.1 2026-09-16

  1. 模型擴充：新增 VoxCPM2 Q8 及 BF16 精度模型，全面支援聲音設計、音色克隆與依據參考原文字幕的輔助克隆，桌面 App 與 CLI 命令列皆可無縫調用。
  2. 控制參數：新增自然語言聲音描述提示詞、引導尺度 (Guidance Scale)、推理步數 (Inference Steps) 及隨機種子固定設定。
  3. 流程優化：優化模型管理畫面排版與操作按鈕，當前模型下載中亦可自由移除其他未下載模型的登記項目。
  4. 流程優化：簡化 make app-run 開發指令，將日常除錯啟動與發布安裝包封裝流程分離；採用音訊全量生成後再行播放策略以杜絕爆音。
  5. 權限管理：修復 macOS 麥克風安全權限歸屬問題，全面採用系統原生對話方塊發起權限請求。

v0.1.0 2026-09-16

  1. 首發公開：yovoice 首個對外公開發布版本，提供專為 macOS Apple Silicon 與 Windows x64 打造的桌面客戶端安裝包。
  2. 語音合成：支援 IndexTTS 2.0 / 2.5 本機純離線推論合成、線上模型下載以及自訂 GGUF 格式模型手動匯入。
  3. 聲音複製：支援音色克隆、情感風格轉移、語氣情緒微調、自然語言文字引導與麥克風現場錄音採樣。
  4. 作品管理：提供集中式聲音資產庫、專案歷史歷程紀錄、多分支版本管理與即時高品質音訊試聽。
  5. 獨立工具：提供適用於 macOS、Windows 與 Linux 的獨立 CLI 命令列工具及 Agent Skill，內置輕量化 FFmpeg 以處理常見音訊格式。