Yovoice是一款开源本地AI语音合成工具，主打离线文字转语音、声音克隆、情绪语气调控能力，面向内容创作者与技术开发者提供桌面图形客户端与命令行双使用模式。区别于大多数网页在线TTS服务，Yovoice全部语音推理工作在用户本地电脑完成，文稿、音色、音频产物不会上传第三方云端服务器，兼顾音频隐私与创作自由度。软件本体基于Apache‑2.0开源协议发布，适配macOSAppleSilicon与Windows10/1164位系统，可兼容IndexTTS、VoxCPM2、Qwen3‑TTS、Kokoro‑82M等多款主流开源语音模型，用户可按需切换不同模型完成配音、音色复刻、多语言朗读等工作。
- Yovoice官网入口网址：https://yovoice.leemysw.com/
- Yovoice开源项目地址：https://github.com/leemysw/yovoice
主要功能特点
1.高保真声音克隆与音色自定义
只需数秒参考音频，就可以提取声线完成音色克隆；也支持通过文字描述直接生成全新虚拟音色，复刻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.精细化情绪与表达调控
支持情绪预设、情绪强度滑块、参考音频演绎、文本提示词多种方式调整说话语气，同一段文字可以切换平静、喜悦、低沉等不同情绪，同时支持笑声等非语言声音标签，让合成语音摆脱机械朗读感，适配剧情演绎、有声书旁白创作。工具支持方言、中英法日多语种合成，可制作外语旁白与方言配音内容。
3.本地离线全流程工作
仅首次安装和下载模型包需要网络，模型部署完毕后，断网状态下依旧可以完整生成配音。所有文稿、克隆音色、工程文件默认存储在本机目录，更换电脑时直接备份对应文件夹即可迁移全部创作资产，数据完全由用户掌控。
4.图形界面+CLI脚本双工作流
普通用户可以使用可视化工作台，输入文本、选择音色、调节情绪，直接预览波形并导出音频；开发者可调用CLI命令行接口，实现批量音频渲染，还支持AIAgent调用，把配音能力接入自动化工作流水线，无需打开软件界面即可批量产出语音文件。
5.多模型兼容选择
不同模型定位各有差异，IndexTTS系列擅长情绪控制与多语言；VoxCPM2适合精细声音克隆；OmniVoice可通过属性生成音色（仅限非商用）；Kokoro‑82M属于轻量模型，无需参考音频直接调用内置音色快速合成，用户可以根据硬件性能、创作目标自由切换模型。
优势亮点
- 第一是数据隐私安全性高，市面上很多AI配音平台需要上传文稿与参考音频到云端服务器，存在内容泄露风险，Yovoice本地推理，不向外发送用户数据，适合处理未公开稿件、自制角色声线素材。
- 第二是无云端计费限制，软件本身开源免费，不会按照字符、生成时长扣费，配音产出数量不受平台配额约束，创作成本主要来自本地电脑硬件性能，适合大批量音频制作。
- 第三是灵活可拓展的工作流，兼顾普通创作者可视化操作，同时向技术人员开放脚本接口，既可以手动做短视频、有声书配音，也可以集成到自动化内容生产流程。
需要客观注意，商用使用存在约束：软件本体开源不等于全部生成内容都可商用，需要查看所使用语音模型的许可协议，同时参考克隆音色时，必须持有原始声音的合法授权，避免版权风险；工具也有硬件门槛，macOS仅限M系列芯片，Windows建议配备NVIDIA显卡以CUDA加速，低配设备生成速度会明显变慢。
适用人群与场景
- 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、角色对话，完成多角色故事演绎，制作方言、外语配音片段。
- 剧本与漫剧创作者：做AI漫剧、短剧剧本配音，依靠情绪调节实现角色喜怒哀乐的语气变化，快速产出剧本试读音频。
- 技术开发者与AI爱好者：想要本地部署TTS服务，或是给AI智能体增加语音输出能力，通过CLI脚本实现自动批量生成语音素材。
- 注重内容隐私的用户：处理未对外发布文稿，不希望稿件、自制声线上传外网，需要离线完成全部语音合成工作。
不适合无独显的低配老旧电脑用户，模型下载占用一定磁盘空间，需要预留足够存储空间存放模型权重文件。Yovoice为追求隐私、想要摆脱在线平台限制的语音创作用户，提供了一套完整可落地的本地AI配音解决方案。
相关导航
