一个装上就能用、界面顺眼的开源桌面配音客户端

yovoice 是一款适用于 macOS 和 Windows 的开源声音创作工具，在本地将文字转化为自然、富有表现力的语音。支持音色复刻、情绪控制与音频作品管理，可自主选择 TTS 模型，无需调用云端 API，也没有按字数计费的开销，让旁白、配音和有声内容创作更自主、更低成本。

https://github.com/leemysw/yovoice

功能

• 音色与表达 — 跟随参考音色、模仿参考演绎、调整情绪，或用文字描述想要的表达方式。
• 完整音频流程 — 导入或录制参考音频、裁剪片段、试听语音、导出作品。
• 声音设计与克隆 — VoxCPM2 支持文字设计音色、带风格指导的克隆及参考原文辅助的精细克隆，自动多语言、48 kHz 输出。
• 本地模型 — 通过 audio.cpp 运行 IndexTTS 2.0 / 2.5、VoxCPM2、OmniVoice 和 Qwen3-TTS，支持模型下载续传与 GGUF 导入。
• 硬件加速 — Apple Silicon 支持 Metal；Windows 支持 CPU、NVIDIA CUDA 和实验性 Vulkan。
• Agent Skill — 让 AI Agent 准备本地语音生成环境，根据文稿和参考音频完成配音。

支持模型

App 与 CLI 均支持以上模型，详细精度与参数见模型能力说明。OmniVoice 权重采用 CC-BY-NC 许可，仅限非商业用途。

安装

在仓库的 Releases 页面选择对应平台的安装包。

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。

快速上手

1. 准备模型。 在设置中下载所需模型，Windows 已内置 CPU 内核，可在设置中下载 CUDA 内核以使用 NVIDIA GPU 加速。
2. 添加音色。 导入或录制一段 1–60 秒的参考音频，或使用 VoxCPM2 / OmniVoice / Qwen3-TTS VoiceDesign 无参考音频的声音设计。
3. 生成语音。 输入正文，选择表达方式，点击生成。
4. 试听与导出。 预览生成结果，在历史记录中查找以往作品。

作品、音色与设置保存在 ~/.yovoice。

CLI 与 Agent Skill

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。