Yovoice：开源本地AI语音工作台，支持音色克隆与AI歌曲生成

AI新闻 dotaai 2天前

一、Yovoice是什么

Yovoice 是一款开源、完全本地离线运行的桌面语音创作工具，软件自带图形GUI界面，同时提供CLI命令行版本，支持Windows、macOS平台，CLI版本额外兼容Linux。全部语音生成、音色克隆、AI音乐运算都在本机完成，不需要调用云端API，不会把文本、参考音频上传到外部服务器，不存在按字符、按时长扣费的成本。

软件面向配音创作者，集成TTS语音合成、音色复刻、多角色故事配音、音频剪辑、AI歌曲生成与MIDI编曲一体化能力，是一站式本地音频工作台。

二、功能特色

本地TTS与音色克隆：上传简短参考音频即可复刻人声，支持调整语速、语调、情绪；内置Indextts 2.5、VoxCPM、Kokoro等主流TTS模型，中文表现力优秀。
多角色故事配音：导入字幕文件，为不同角色分配独立音色，分段批量生成配音；内置音轨编辑器，支持音频裁剪、混音、撤销重做，导出WAV格式音频，工程文件支持保存、备份、迁移。
AI歌曲生成与MIDI编曲（v0.2.0新增）：基于ACE‑Step、YuE2模型，输入歌词和音乐风格直接生成完整歌曲；内置多轨MIDI工作台，可加载SoundFont音色库，AI辅助生成乐谱；可对接本地大模型一键生成歌词、曲谱文本。
双操作模式：可视化GUI图形界面适合普通创作者；CLI命令行模式适合自动化批量处理、二次开发。
模型一键下载：软件内可直接拉取所需模型文件，支持GPU硬件加速，无网络环境下也可以完成音频生成工作。

YoVoice（图1）

三、技术细节

Yovoice采用Python开发，基于PyTorch推理框架，将多款开源语音与音乐模型封装整合，统一图形交互层。

推理层：兼容Indextts 2.5、VoxCPM、Kokoro TTS，AI歌曲模块接入ACE‑Step、YuE2；
硬件支持：NVIDIA显卡CUDA加速、Apple Silicon芯片Metal加速，无独立显卡时CPU可运行，只是生成速度变慢；
音频处理：内置本地音频处理引擎，支持WAV读写、音轨拼接、音量调节；MIDI模块支持SoundFont音色库加载与多轨编辑；
隐私架构：所有文本、参考音频、生成音频、工程文件全部存储在本地电脑磁盘，全程不上传公网；
分发形式：提供打包便携版安装包，也开放完整源码，支持用户自行编译、二次修改。

四、应用场景

自媒体短视频配音：本地批量生成旁白、角色台词，无需担心云端API额度耗尽；
有声书、播客制作：多角色分轨配音，本地混音剪辑，保护文稿与声音素材隐私；
课程课件录音：教育工作者制作课程旁白，重复生成不产生额外费用；
独立游戏音频制作：游戏对白配音、BGM编曲，本地完成全部音频资产；
内容创作者本地音乐创作：输入歌词生成AI歌曲，MIDI编曲调整旋律；
开发者自动化批量配音：使用CLI命令行，对接脚本批量生产音频素材。

五、使用方法

下载安装：前往项目GitHub Releases页面，选择对应操作系统的安装包（Windows/macOS）下载解压；Linux用户使用CLI源码部署。
模型下载：首次启动软件，在模型管理面板，一键下载需要的TTS、AI音乐模型。
配音制作：新建工程，输入文本或者导入字幕文件；选择基础音色，上传参考音频完成音色克隆，调整语速、情绪参数。
音频编辑：生成语音片段，在音轨编辑器内裁剪、拼接、混音，试听效果。
AI歌曲制作：切换到音乐工作台，输入歌词，选择曲风，调用ACE‑Step/YuE2生成歌曲；也可进入MIDI页面编写、调整乐谱。
导出保存：预览无误后，导出WAV音频；保存工程文件，方便后续再次修改。

法律提醒：音色克隆仅可克隆本人拥有完整授权的人声素材，严禁盗用他人声音伪造语音，遵守相关法律法规。

六、竞品对比

选取 VoiceVox、Fish Audio 两个主流AI语音工具对比：

项目	Yovoice	VoiceVox	Fish Audio
运行方式	本地离线，不上传素材	本地离线	网页云端为主，支持本地部署
核心能力	TTS+音色克隆+多角色配音+AI歌曲+MIDI编曲	日系TTS，少量音色克隆，无AI音乐功能	TTS+音色克隆，多语种配音，无MIDI编曲
界面	GUI可视化音轨编辑器+CLI	GUI，偏TTS单句生成	网页UI
中文支持	优秀，多中文模型	中文支持较弱	中文表现优秀
额外成本	模型下载后永久免费，无计费	完全免费	云端版按额度计费
特色亮点	配音+AI歌曲+编曲一体化工作台	日语语音质量顶尖	跨语言音色克隆能力强

yovoice-workspace

七、常见问题解答

Q：Yovoice必须联网才能生成音频吗？

A：不需要。仅在首次下载模型文件时需要网络；模型下载完成后，断网环境下也可以完成TTS、音色克隆、音频剪辑、AI歌曲生成。

Q：运行Yovoice最低硬件要求是什么？

A：Windows 10/11 64位、macOS 14+ Apple Silicon；推荐配备独立显卡加速，CPU可以运行，但生成音频速度会明显变慢。

Q：生成的音频可以商用吗？

A：软件本身开源免费，但使用的底层模型有各自独立协议，商用前需要查看对应TTS、AI音乐模型的开源许可证，同时音色素材必须拥有合法授权。

Q：可以导入srt字幕文件批量做多角色有声书配音吗？

A：支持，导入字幕文件后，为不同角色分配音色，批量生成多段配音，并且在音轨编辑器内统一混音。

Q：Yovoice支持中文方言配音吗？

A：依托VoxCPM等底层模型，支持中文方言生成，可在模型选项里切换对应的模型。

Q：Windows便携版需要安装Python环境吗？

A：官方Releases打包版本内置运行环境，无需手动安装Python、PyTorch，解压即可直接打开使用。

八、相关链接

项目GitHub主页：https://github.com/leemysw/yovoice

九、总结

Yovoice是一款一体化本地离线开源语音创作工作台，把文字转语音、音色克隆、多角色配音、音频剪辑、AI歌曲生成与MIDI编曲整合在同一个软件内，全程本地运算保护素材隐私，不产生云端API费用，图形界面降低上手门槛，配套CLI接口满足自动化开发需求，适合短视频、有声书、独立创作者在本地完成全套音频制作工作。