yovoice 是一款开源的本地声音与音乐创作工作台，面向需要故事配音、语音克隆、音乐生成与多轨编曲的创作者，用于在自己的电脑上完成从文本到声音、从歌词到成曲的制作。
yovoice 是一款开源的本地声音与音乐创作工作台，面向需要故事配音、语音克隆、音乐生成与多轨编曲的创作者，用于在自己的电脑上完成从文本到声音、从歌词到成曲的制作。
产品定位与背景
yovoice 的定位是”把文字变成有情绪的声音”：从故事配音、语音生成，到整首歌曲与多轨编曲，全部在自己的电脑上完成。界面以 VOICE STUDIO 工作台为核心，配合声音选集试听页展示本地生成的样例。
运行形态以桌面客户端为主，支持 macOS 与 Windows；同时提供独立 CLI、Agent Skill 和本地 MCP，运行 yovoice serve 还能为其他机器提供带认证的 HTTP API 与 MCP 推理服务。
产品强调本地优先：模型与音色库就绪后，语音、音乐和乐谱渲染都在本机完成。文稿、参考音频与作品默认保存在本机的 ~/.yovoice 目录，卸载客户端不会误删，更换电脑时打包备份该目录即可。
核心功能
- 音色克隆与音色设计：上传或录制一段参考音频即可提取专属声线，也能直接输入文字描述定制全新音色，解决没有现成配音员或需要固定声线的问题。
- 情绪与语气控制：通过情绪标签、参考音频或自然语言提示词微调语气与语调，同一句台词可切换不同心境；官方说明不同底模支持的控制粒度存在差异。
- 故事配音与多角色朗读：导入或写下文本、字幕，分配角色并选择模型，生成长篇演绎，并保留每次生成的版本用于对比导出。
- 音乐生成：用 ACE-Step 1.5 Turbo / XL Turbo 按风格描述和带段落标记的歌词生成歌曲或纯音乐；YuE2 3B 可生成长度随歌词的带人声歌曲，但不支持纯音乐，权重为 CC BY-NC 4.0，仅限非商业用途。
- 多轨编曲与乐谱渲染：按小节和拍写下各声部，可导入 MIDI 或让 Agent 写谱，使用 MuseScore General、GeneralUser GS、SGM-V2.01 渲染，按角色混音并导出 MIDI 与分轨；乐谱渲染不需要推理引擎或 GPU，同一乐谱可精确复现。
- 内置多档 TTS 模型：包括 IndexTTS 2.0 / 2.5、VoxCPM2、OmniVoice、Qwen3-TTS（Base、9 种内置音色的 CustomVoice、文字设计音色的 VoiceDesign）、Breeze TTS 2，以及提供 49 种或 100 种中文音色的 Kokoro-82M。
- 命令行与服务化：执行 yovoice generate –voice my-voice.wav –text “……” 可直接输出 output.wav；yovoice serve 对外提供带认证的 HTTP API 与 MCP。
- 可选 AI 写谱写词：接入 DeepSeek、通义千问、Kimi、OpenAI、Anthropic、Ollama 或兼容接口后，AI 可以写整份编曲或填写歌曲风格、歌词与标题，密钥只保存在本机。
使用方式与上手成本
第一步是在 macOS 或 Windows 上安装客户端，然后下载所需模型与音色库——安装与下载环节需要联网。完成后进入工作台，按”导入内容 → 安排声音与声部分配 → 生成、试听与剪辑”三步推进，作品可对比后导出。
图形界面覆盖配音与音乐生成的主流程，编曲部分需要理解小节、拍和声部概念；命令行、HTTP API 与 MCP 更适合有开发经验的用户，一行命令即可生成音频或起服务。
网页未提及注册或登录环节，也未给出定价信息。需要注意的是模型许可并不统一，OmniVoice、Breeze TTS 2、YuE2 3B 的权重采用 CC BY-NC，仅限非商业用途，商用前需逐个核对。
适用人群与不适用场景
- 适合：做有声书、故事配音、多角色朗读的内容创作者，可用同一份文稿分配角色批量生成。
- 适合：需要固定声线持续产出语音的播客、短视频作者，克隆一次声线后可反复调用。
- 适合：想用歌词与风格描述生成整首歌的独立音乐人，或需要在 MIDI 层面调整声部并导出分轨的编曲者。
- 适合：希望把语音与 MCP 能力接进自有程序的开发者，可通过 CLI、HTTP API 或 MCP 调用。
- 不适合：主要用手机或平板创作的人，目前仅支持 macOS 与 Windows。
- 不适合：不愿配置模型与音色库的用户，首次使用必须自行完成下载与准备。
- 不适合：需要多人实时协作或云端共享工程的团队，文稿与作品保存在本机目录。
- 不适合：期待在浏览器里即点即生成的人，网页试听播放的是已生成音频，模型不在浏览器中运行。
常见问题
Q：yovoice 是什么？
A：它是一款开源的本地声音与音乐创作工作台，覆盖故事配音、语音生成、声音克隆、音乐生成与多轨编曲，并提供 CLI、HTTP API 与 MCP。语音、音乐和乐谱渲染在本机完成，文稿与作品默认存放在 ~/.yovoice 目录。
Q：yovoice 收费吗？
A：网页没有给出定价信息，也没有提到注册或登录。但部分模型权重是非商业许可，例如 OmniVoice、Breeze TTS 2 与 YuE2 3B 采用 CC BY-NC，仅限非商业用途，商业使用前需要逐个确认许可。
Q：新手能直接用吗？
A：配音和音乐生成走图形界面，流程是导入文本、分配角色与模型、生成试听再导出，门槛不高。但首次需要自行下载模型与音色库，编曲要求懂小节、拍与声部，命令行和 API 则面向有开发经验的人。
yovoice 适合愿意在自己电脑上准备模型、并希望声音与音乐素材不外传的创作者，尤其是配音、有声书和编曲方向；它把配音、音乐生成和乐谱渲染放在同一工作台里。主要短板是离不开本地安装与模型下载，也没有网页端和团队协作能力。
评论列表 (0条)：
加载更多评论 Loading...