Yovoice

Yovoice官网

Yovoice 是一款基于 Apache-2.0 协议开源的本地 AI 语音合成工具，把文字转语音、声音克隆和情绪语气调控全部放在用户自己的电脑上完成。与常见的在线配音平台不同，Yovoice 的推理过程不依赖云端服务器，文稿、参考音色和导出的音频文件都不会上传到第三方，适合处理未公开的稿件、自制角色声线等隐私敏感素材。软件提供图形界面与命令行两种使用方式，普通创作者用工作台即可上手，开发者则可以把它接入自动化内容生产线。项目同时开放了开源代码仓库，社区可以自行查看、二次调整和本地部署。

Yovoice 兼容 IndexTTS、VoxCPM2、Qwen3-TTS、Kokoro-82M 等多款主流开源语音模型，用户可以根据硬件条件和创作目标切换。macOS Apple Silicon 与 Windows 10/11 64 位系统均可运行，首次安装下载模型包后，断网状态也能完整生成配音。

Yovoice 官网首页界面

主要功能

Yovoice 围绕”本地、私密、可扩展”三条主线组织能力，核心功能可以分为以下几个方面。

1. 声音克隆与音色自定义：只需数秒参考音频即可提取声线完成克隆；也支持用文字描述直接生成全新虚拟音色。克隆后的音色可以反复复用，用于长篇文稿、多角色剧情朗读，实现多人对话配音效果。
2. 情绪与表达调控：提供情绪预设、强度滑块、参考音频演绎和文本提示词等多种方式调节说话语气，同一段文字可以切换平静、喜悦、低沉等不同状态，并支持笑声等非语言声音标签，让合成语音摆脱机械朗读感。
3. 本地离线全流程：仅首次安装与下载模型需要联网，部署完毕后断网也能完整生成配音。文稿、克隆音色和工程文件默认保存在本机目录，换电脑时直接备份对应文件夹即可迁移全部创作资产。
4. 图形界面与 CLI 双工作流：普通用户用可视化工作台输入文本、选择音色、调节情绪并导出音频；开发者调用命令行接口实现批量渲染，还能接入 AI Agent 自动产出语音文件，无需打开软件界面。
5. 多模型兼容：IndexTTS 系列擅长情绪控制与多语言，VoxCPM2 适合精细声音克隆，Kokoro-82M 属于轻量模型可免参考音频快速合成，用户按硬件性能与创作目标切换。

对经常做短视频、有声书的创作者来说，这类本地配音能力可以和 HaoCut 这样的本地 AI 视频粗剪与字幕转录工具搭配，形成”配音 + 剪辑”的离线内容流水线。

如何使用 Yovoice

Yovoice 的上手路径并不复杂，按下面的步骤即可完成第一次配音。

1. 到 Yovoice 官网下载对应系统的安装包（macOS Apple Silicon 或 Windows 10/11 64 位），首次启动会引导下载所需的语音模型包。
2. 打开图形工作台，在文本框中粘贴或输入需要配音的文稿，选择目标音色。
3. 如需克隆音色，上传数秒参考音频，等待声线提取完成后即可复用该音色。
4. 用情绪预设或强度滑块调节语气，预览波形确认效果后导出音频文件。
5. 开发者可在命令行中批量提交渲染任务，把配音能力嵌入自动化脚本或 Agent 工作流。

使用场景

Yovoice 的价值在以下几类场景中体现得最明显。

1. 内容创作者：短视频博主、有声书制作者、播客制作人用来制作旁白与角色对话，依靠情绪调节实现喜怒哀乐的语气变化，快速产出剧本试读音频。
2. 剧本与漫剧创作者：做 AI 漫剧、短剧剧本配音时，用情绪调节呈现角色语气差异，把文字剧本快速转成可听的试读版本。
3. 技术开发者与 AI 爱好者：本地部署 TTS 服务，或给智能体增加语音输出能力，通过 CLI 批量生成语音素材。
4. 注重内容隐私的用户：处理未对外发布的文稿、自制声线，不希望数据上传，需要离线完成全部语音合成。

在需要把演示文稿转为带配音视频的场景里，也可以参考 AddSubtitle 这类字幕与配音生成工具，两者分别覆盖”生成语音”和”对齐字幕”的环节。

价格与版本

Yovoice 软件本体基于 Apache-2.0 协议开源发布，个人使用与二次开发均免费，不会按字符数或生成时长扣费。创作成本主要来自本地电脑的硬件性能，例如 macOS 建议 M 系列芯片、Windows 建议配备 NVIDIA 显卡以启用 CUDA 加速。需要留意的是，开源协议不等于生成内容都可商用，具体能否商用取决于所使用语音模型的许可协议，克隆他人声线时也必须持有原始声音的合法授权。

常见问题解答

Yovoice 和在线配音平台有什么区别？

最大区别在于数据流向。在线平台通常需要上传文稿与参考音频到云端，存在内容泄露风险；Yovoice 在本地完成全部推理，文稿、音色与音频产物都保存在本机，更适合处理未公开素材。

没有显卡也能用 Yovoice 吗？

可以使用，但速度会受硬件影响。Kokoro-82M 等轻量模型对算力要求较低，在低配设备上也能运行；若要流畅使用 IndexTTS、VoxCPM2 等较大模型，建议配备 NVIDIA 显卡以获得 CUDA 加速。

克隆出来的声音可以商用吗？

不能直接默认商用。软件开源免费，但生成内容能否商用取决于所用语音模型的许可，克隆他人声线还需获得原始声音授权，避免版权风险。

官网网址

Yovoice 项目官网：https://yovoice.leemysw.com/

开源代码仓库：https://github.com/leemysw/yovoice

OpenI AI时代点评

Yovoice 切中了一个被多数在线配音服务忽略的痛点：隐私与可控。把推理放在本地、数据不出本机，这对处理未公开稿件、自制角色声线的创作者很有吸引力；Apache-2.0 开源与 CLI 接口又让它天然适合嵌入自动化内容生产线。它的短板同样明显——本地模型对硬件有门槛，低配设备生成速度偏慢，且商用授权需要逐模型确认。对追求离线、私密、可批量产出的语音创作需求，Yovoice 是一套务实的本地 AI 配音方案，值得在 灵犀AI 等在线生图生视频工具之外，作为语音环节的补齐选项。更多本地 AI 创作工具可前往 文朵朵AI办公平台 了解同类能力。