yovoice：开源本地 AI 配音工具，支持声音克隆与情绪控制

一句话介绍：yovoice 是一款适用于 macOS 和 Windows 的开源声音创作工具，支持本地文字转语音、音色克隆和情绪调整，无需调用云端 API，也没有按字数计费的开销。

阿喵前言

做视频旁白、故事配音或有声内容时，文字转语音只是第一步。想让声音符合角色，还得调整音色、语气和情绪，反复试听。

yovoice 把这些操作集中到一个创作工作台里。模型下载到电脑后，就能在本地生成语音，适合需要经常修改文稿、尝试不同声音的用户。

资源介绍

yovoice 支持输入文字或导入字幕，并围绕角色组织配音作品。参考音频可以直接导入或录制，再进行裁剪、生成、试听和导出，形成一套完整的音频创作流程。

它提供多种模型选择，包括 IndexTTS、VoxCPM2、OmniVoice、Qwen3-TTS 和 Kokoro。不同模型各有侧重：有的擅长参考音色克隆，有的支持情绪控制，也有的可以直接根据文字描述设计声音。

中文、英语、日语等语言的支持范围取决于所选模型。例如 IndexTTS 2.0 主要支持中英，2.5 则增加了日语等语言。

截图

特色

• 本地文字转语音，无按字数计费
• 支持参考音色克隆和演绎模仿
• 可用情绪设置或文字描述调整表达
• 部分模型支持无需参考录音的声音设计
• 支持参考音频录制、导入和裁剪
• 提供故事配音、试听与作品导出
• 支持模型下载续传和 GGUF 导入
• 提供 CLI 与 Agent Skill，可交给 AI Agent 完成配音

硬件方面，Apple Silicon 支持 Metal 加速；Windows 支持 CPU、NVIDIA CUDA 和实验性 Vulkan。

注意

• macOS 安装包面向 macOS 14 及以上的 Apple Silicon 设备；Windows 面向 Windows 10/11 x64。
• 首次下载模型需要联网，生成速度取决于硬件和模型大小。
• 并非所有模型都支持声音克隆、情绪控制或全部语言。
• 程序开源许可与模型许可分别适用；OmniVoice 权重仅限非商业用途。
• 克隆声音应使用本人或获得授权的录音。
• 建议先用短文本试听，确认发音和语气后再生成长篇内容。

使用教程

1. 前往 GitHub Releases，下载对应平台的安装包。
2. macOS 打开 .dmg，将应用拖入“应用程序”；Windows 运行 -setup.exe。
3. 启动后进入设置，下载需要的语音模型。
4. 新建作品，选择“故事配音”或“语音生成”。
5. 输入文字或导入字幕，选择角色并设置声音；需要克隆时，添加参考录音。
6. 点击“生成语音”，试听并调整，满意后导出作品。

如果希望由 AI Agent 根据文稿和参考录音完成配音，也可以使用项目提供的 yovoice Skill，通过独立 CLI 运行，无需打开桌面应用。