如何快速上手 yovoice:macOS 与 Windows 安装本地 TTS 工作室,5 分钟生成第一段声音
如何快速上手 yovoice:macOS 与 Windows 安装本地 TTS 工作室,5 分钟生成第一段声音
yovoice 是一款开源的本地 TTS 与音乐创作工作室,专为 macOS 和 Windows 打造。它把文字转语音(TTS)、声音克隆、带歌词的 AI 歌曲和多轨乐谱全部搬到你的电脑上——100% 离线运行,零 API 费用,无需配置 Python 环境,双击安装即可开始创作。本文带你从零安装,到 5 分钟生成第一段自己的声音。
为什么选择 yovoice?
相比云端配音服务,yovoice 有 4 个核心优势:
| 优势 | 说明 |
|---|---|
| 🔒 隐私安全 | 稿件和声音样本永不离开本机,所有推理都在本地 GPU/CPU 完成 |
| 💸 零按字扣费 | 告别按字数、按时长的云端 API 账单,生成多少次都不花钱 |
| ⚡ 原生 C++ 引擎 | 基于 audio.cpp 构建,macOS 用 Metal、Windows 用 CUDA,免装 Conda/PyTorch |
| 🎛️ 全流程创作 | 多版本试听对比、波形裁剪、时间轴编辑、分轨(Stems)与 MIDI 导出 |
macOS 安装步骤(Apple Silicon)
系统要求:macOS 14 及以上,Apple Silicon 芯片。
- 从仓库的 Releases 页面下载 macOS 的
.dmg安装包; - 双击打开磁盘映像,将 yovoice 拖入 Applications 文件夹;
- 从启动台或应用程序中打开 yovoice,完成安装。
Windows 安装步骤(x64)
系统要求:Windows 10/11 x64。
| 安装包 | 适用场景 |
|---|---|
-setup.exe |
通用版,无 NVIDIA 显卡或想先跑 CPU 的用户 |
-cuda12.4-setup.exe |
NVIDIA 显卡老驱动,内置 CUDA 12.4,首次启动即用 GPU |
-cuda13.3-setup.exe |
NVIDIA 显卡新驱动,安装包更小 |
安装流程只需两步:
- 运行对应的
-setup.exe安装向导,一路下一步; - 从开始菜单打开 yovoice。若系统缺少 WebView2 Runtime,安装器会自动帮你装好。
💡 卸载应用不会删除你的作品和模型,用户数据都保存在
~/.yovoice目录中,重装即恢复。
硬件与模型速查表
不同硬件适合不同模型,安装前先对号入座:
| 创作场景 | 推荐硬件 | 推荐模型 |
|---|---|---|
| 🟢 轻量朗读与旁白 | 任意 CPU / 4GB+ 内存 | Kokoro-82M(Q8 仅 190 MB,毫秒级合成) |
| 🟡 高音质声音克隆 | 4–6GB 显存 / 8GB+ 内存 Apple Silicon | VoxCPM2、IndexTTS 2.0/2.5、Qwen3-TTS |
| 🔴 整首歌曲生成 | 12GB+ 显存 / 16GB+ 内存 Apple Silicon | ACE-Step 1.5 Turbo(约 10GB) |
详细模型对比与输入要求见 docs/models_zh.md。
5 分钟生成第一段声音
打开应用后,跟着这 4 步走,5 分钟内就能听到第一段合成语音:
- 下载模型:进入「设置」→ 下载模型。新手推荐 Kokoro-82M(约 190 MB,下载快、运行快);想做声音克隆选 VoxCPM2 或 IndexTTS;
- 新建作品:在左侧面板选择「故事配音」「语音生成」「音乐生成」或「编曲」;
- 填写内容:输入你的文字,选择角色/音色。克隆类模型需点击「添加参考音频」,上传一段 1–60 秒、人声清晰的录音(≤20 MB);
- 点击生成:试听音频,不满意可以多次生成并对比多个版本(Takes),满意后直接导出 WAV。
⚡ 小贴士:第一次加载模型稍慢,之后同模型生成都可以秒级预览。
进阶玩法一览
装好并跑通第一段声音后,这些功能值得试试:
- 🎤 声音设计与克隆:用一句话描述"温暖平静的成年旁白"即可设计全新音色(VoxCPM2、Qwen3-TTS VoiceDesign);
- 🎵 AI 写歌:描述风格 + 带
[verse]、[chorus]标记的歌词,ACE-Step 1.5 生成整首带人声歌曲; - 🎼 多轨编曲:按小节和拍写下各声部,或导入 MIDI,用 General MIDI 音色库本地渲染,可导出 MIDI 和分轨;
- 🤖 AI 协创:在设置中接入 DeepSeek、通义千问、OpenAI 或本地 Ollama,让 AI 帮你写谱、写歌词,密钥只保存在本机。
更多细节可参考 docs/ai_zh.md 与 docs/score_zh.md。
常见问题(FAQ)
Q:应用会提示更新吗? A:会。macOS 和 Windows 都支持在应用菜单中检查更新,也会后台自动下载,下载完成后重启应用即可安装。Windows 更新只下载应用本体,已安装的推理内核会保留。
Q:没有 NVIDIA 显卡能用吗? A:可以。Windows 通用版走 CPU 推理;轻量模型如 Kokoro-82M 在 CPU 上也能毫秒级合成,完全够用。
Q:我的文稿会被上传吗? A:不会。yovoice 是本地优先(Local-first)设计,所有推理、存储都在本机完成,无云端 API 调用。
总结
yovoice 让"本地 TTS"这件事变得前所未有地简单:下载安装 → 下载模型 → 输入文字 → 生成语音,整个流程 5 分钟内即可完成,而且之后每一次生成都不花一分钱。无论是做有声书旁白、播客配音,还是创作带人声的完整歌曲,它都是一个隐私安全、永久免费的创作工作台。
主要参考资料:
- 功能与安装总览:README_zh.md
- 模型选择指南:docs/models_zh.md
- CLI 与 Agent Skill 用法:docs/cli_zh.md
- AI 服务配置:docs/ai_zh.md

