yovoice — 本地 AI 配音、声音克隆与文字转语音

官方网站 · CLI 与 Agent Skill · API / MCP 部署 · 开发指南

yovoice 是一款适用于 macOS 和 Windows 的开源、本地优先（Local-first）声音与音乐创作工作台。

在本地将文字转化为自然逼真的语音、整首带人声歌曲或多轨乐谱。支持零样本音色克隆、情绪风格控制、带歌词人声的 AI 音乐生成、多轨 MIDI 编曲渲染与音频工程管理。完全在本地运行，无云端 API 调用，无按字/按秒扣费开销，无需复杂的 Python 环境配置，让旁白、配音、有声内容与音乐创作更自主、更私密、更低成本。

• 🔒 100% 本地离线与数据隐私：所有模型均在本地显卡/CPU 推理，文本稿件和声音样本永远不会上传到第三方云端。
• 💸 零按字/按秒扣费：无需订阅昂贵的云端 API（告别 ElevenLabs、Suno、商用配音会员计费）。
• ⚡ 原生 C++ 极速引擎，免配 Python：基于 audio.cpp v0.9.1 原生构建，支持 macOS Metal 与 Windows NVIDIA CUDA 12.4/13.3 开箱即用，告别 Conda 与 PyTorch 依赖地狱。
• 🎛️ 全流程专业创作流：多版本试听对比（Takes）、多轨时间轴吸附裁剪、General MIDI 音色库本地渲染与分轨导出（Stems）。
• 🤖 原生 MCP 与 AI Agent 协创：支持接入 DeepSeek、通义千问、Claude、OpenAI 或本地 Ollama 自动写歌写谱，并提供 Model Context Protocol (MCP) 服务，支持在 Cursor 或 Claude Code 中直接调用。

• 语音、声音设计与克隆 — 克隆参考音色、用文字设计声音、调整情绪与演绎，并在音轨上剪辑各个版本。
• 故事配音 — 导入文本或字幕文件，为每句台词分配角色并逐句生成。
• 音乐生成 — 写下风格和带段落标记的歌词，用 ACE-Step 1.5 生成歌曲或纯音乐，或用 YuE2 生成带人声歌曲；播放页按人声同步歌词。
• 编曲 — 按小节和拍写声部，或导入 MIDI、交给 Agent 写谱，用 General MIDI 音色库渲染，导出 MIDI 和分轨。详见编曲。
• 可选 AI 服务 — 让 DeepSeek、通义千问、Kimi、OpenAI、Anthropic、Ollama 或任意兼容接口写谱、写歌词；密钥只保存在本机。详见AI 服务。

所有模型都在 App 内或通过 CLI 下载。文件大小、硬件要求、输入要求与示例见模型选择。OmniVoice、YuE2 和 Breeze TTS 2 的权重仅限非商业用途。

在仓库的 Releases 页面选择对应平台的安装包，或访问官方网站。

Windows 安装器会在缺少时联网安装 WebView2 Runtime。模型在应用内下载。卸载应用保留 ~/.yovoice 中的作品和模型。

macOS 和 Windows 均支持在应用菜单中检查更新，也会自动检查并后台下载；下载完成后可选择重启安装。Windows 自动更新只下载应用本体（-update.exe），保留已安装的内核；新版本推荐更高的内核时，可在 设置 → 推理引擎 中选择升级。

1. 准备模型。 在设置中下载所需模型（例如轻量朗读用 Kokoro-82M，声音克隆用 VoxCPM2）。
2. 新建作品。 选择“故事配音”、“语音生成”、“音乐生成”或“编曲”。
3. 填写内容。 输入文字、歌词或音符，选择角色并调整风格。
4. 生成音频。 点击“生成”，试听对比多版本（Takes）、编辑并导出。

将 yovoice Skill 链接发给 Agent，让它安装 Skill，并准备本地 CLI、引擎和模型：

安装这个 Skill，并帮我配置好 yovoice 本地语音生成环境：https://github.com/leemysw/yovoice/tree/main/skills/yovoice

之后直接描述需求：

用 voice.wav 的音色朗读 narration.txt，语气平静，保存为 narration.wav。

Agent 通过独立 CLI 完成配音，无需打开桌面应用。详细用法见 CLI 指南。

运行 yovoice serve 可为其他机器提供带认证的 HTTP API 与 MCP 推理服务，支持上传参考音频与生成 WAV。部署和调用示例见API / MCP 部署指南。

make install
make app-run

环境要求见开发指南，其中也介绍了浏览器预览、测试和项目结构。

使用微信扫码加入 yovoice 用户交流群。二维码过期时，欢迎提交 Issue，我们会及时更新。

欢迎提交问题、功能建议和 Pull Request。报告问题时，请附上操作系统、模型及复现步骤；提交代码前运行 make check。

• audio.cpp — ShugoAI 开发的本地音频推理引擎。
• VoxCPM — 声音设计与克隆模型，Apache-2.0 许可。
• IndexTTS — 为 yovoice 提供语音合成模型。
• OmniVoice — 声音设计与音色克隆模型。
• Qwen3-TTS — 支持音色克隆、内置音色与文字设计声音。
• ACE-Step — 根据风格描述与歌词生成音乐。
• YuE — 根据歌词生成整首带人声歌曲。
• Breeze TTS 2 — 中英文声音设计与音色克隆。
• go-meltysynth、MuseScore General、GeneralUser GS 与 David Shan 的 SGM-V2.01 — 编曲渲染使用的 SoundFont 合成器与音色库。
• Kokoro — 使用内置音色的轻量语音合成模型：Kokoro-82M 与 Kokoro-82M-v1.1-zh。