yovoice：把配音搬回本地，字数再多也不花一分钱！

yovoice 是一款开源的本地 AI 配音工具，把文字转语音、声音克隆和情绪控制放在同一个软件里，适合视频旁白、故事配音和有声内容创作。它完全本地运行，不调用云端 API，也没有按字数计费的顾虑；内置 IndexTTS（2.0 中英、2.5 增日语）、VoxCPM2、OmniVoice、Qwen3-TTS、Kokoro 等多款模型，在克隆、情绪和语言支持上各有侧重。支持 macOS 14+（Apple Silicon，Metal 加速）和 Windows 10/11 x64（CPU、NVIDIA CUDA、实验性 Vulkan）。

下载地址#

提取码统一 8888。蓝奏：上传接口报错（string indices），本轮未传。

官网 https://yovoice.leemysw.com/ 。体积：Windows 安装包 yovoice-v0.1.7-windows-x64-setup.exe 75.37 MB，macOS 包 yovoice-v0.1.7-macos-arm64.dmg 32.13 MB，CLI 压缩包三平台均在 14 MB 上下（windows-x64 14.39 MB / macos-arm64 14.44 MB / linux-x64 14.81 MB）。每个版本都附 SHA256SUMS.txt 可校验，本轮下载的 Windows 包 sha256（4346c352…）与官方清单一致。

实测信息#

实测环境：Windows 10/11 x64，本轮实际下载 Windows 包并安装。装完打开是原生桌面客户端，界面是一套本地渲染的工作台：左侧「新建作品 / 故事配音 / 语音生成 / 声音库 / 最近作品」，中间是文稿编辑区，右侧是音色与情绪设置面板，底部一条音频时间轴。默认工程叫「清晨旁白」，模型下拉里当前选中 IndexTTS 2.5 · Q8。首次下载模型需要联网，之后可以离线使用。

文字转语音#

输入文字或导入字幕就能本地合成语音，输出 48 kHz。模型下载支持断点续传，也可以直接导入 GGUF，不用守着进度条重来。

声音克隆#

录一段参考音频（支持录制、导入、裁剪），就能让这个音色念任何稿子；部分模型甚至不用录音，按文字描述就能直接「设计」出一个声音。好玩的地方在于：同一段文案喂给不同模型，出来的音色和气质完全不一样，可以挨个试听再挑。注意：克隆声音只能使用本人或已获授权的录音。

情绪控制#

同一句话可以用预设情绪或文字描述调整表达，实测面板里给的是「跟随音色 / 参考演绎 / 情绪调节 / 文字指导」四种模式，情绪描述可以直接写一句「温柔、平静，像是在和熟悉的人说话。」，再配一条 60% 的情绪强度滑块。旁白要冷静、角色要激动，改一行字就行，不用重录。

音频工作台#

从录音、剪辑、试听到导出的完整流程都在软件里完成，底部时间轴支持新增音轨，还支持围绕角色组织配音作品，多角色故事配音不用来回换工具。

CLI 与 Agent 接口#

除了图形界面，还提供 CLI、Agent Skill、HTTP API 与 MCP 服务，可以直接把配音任务交给 AI Agent 完成。桌面版运行时会在本机拉起一个后台服务（实测监听 127.0.0.1 的本地端口，仅前端可访问），说明本地推理与界面是分离的两层。

软件信息#