应用介绍
做视频配旁白，在线 TTS 按字符计费，一段两千字的稿子改五版就是五份钱；想换个更贴合的音色，还得把原声素材传到别人服务器上。yovoice 把这一套搬回本机：模型跑在自己的显卡上，不调任何云端 API，不按字收费，导进去一段一分钟以内的参考音频就能复刻音色，生成的人声还能指定情绪。
它不是一个命令行脚本套壳，而是完整的创作台——左边是作品列表，中间写稿，右边调音色、表达方式和情绪强度，底部直接是波形和播放器，改一句重生成一句，历史版本留着可回溯。表达方式给了四条路：跟随参考音色、参考一段演绎、用情绪预设微调、或者干脆用文字描述你想要的语气。macOS 14+（Apple Silicon）和 Windows 10/11 都有安装包，Apache-2.0 开源。
本地生成不计费：模型和推理都在本机，不经过云端 API，稿子改多少版都不产生额外费用，内容也不用上传给第三方。
音色复刻：导入或现场录一段 1 到 60 秒的参考音频就能复刻音色，VoxCPM2 还支持不给参考音频、直接用文字描述设计一个新音色，以及带转写辅助的可控克隆。
情绪与表达控制：四种表达方式可选——跟随参考音色、参考演绎、情绪预设调节、文字指导，情绪强度还能用滑杆连续调，不是只有一个平铺直叙的朗读腔。
多种本地模型：通过 audio.cpp 运行 IndexTTS 2.0 / 2.5 和 VoxCPM2，模型在应用内下载且支持断点续传，也可以导入自己的 GGUF 权重。
硬件加速：Apple Silicon 上走 Metal，Windows 上支持 CPU、NVIDIA CUDA 以及实验性的 Vulkan，CUDA 引擎可以在设置里单独下载。
完整音频工作流：导入或录制参考音频、裁剪片段、试听、导出成品，作品按项目管理，历史生成记录随时翻回去对比。
48 kHz 输出：VoxCPM2 提供 48 kHz 采样率输出，并自动处理多语种文本，配到视频里不会一听就是低采样率的机器音。
命令行与 Agent Skill：附带独立 CLI，不开桌面端也能跑；还打包成了 Agent Skill，可以让 AI 助手自己装好引擎和模型，然后按一句话指令读稿生成配音文件。
数据留在本地：项目、音色和设置都存在用户目录下的 .yovoice 里，卸载不会清掉，换机拷目录就能接着用。
它不是一个命令行脚本套壳，而是完整的创作台——左边是作品列表，中间写稿，右边调音色、表达方式和情绪强度，底部直接是波形和播放器，改一句重生成一句，历史版本留着可回溯。表达方式给了四条路：跟随参考音色、参考一段演绎、用情绪预设微调、或者干脆用文字描述你想要的语气。macOS 14+（Apple Silicon）和 Windows 10/11 都有安装包，Apache-2.0 开源。
软件功能
本地生成不计费：模型和推理都在本机，不经过云端 API，稿子改多少版都不产生额外费用，内容也不用上传给第三方。
音色复刻：导入或现场录一段 1 到 60 秒的参考音频就能复刻音色，VoxCPM2 还支持不给参考音频、直接用文字描述设计一个新音色，以及带转写辅助的可控克隆。
情绪与表达控制：四种表达方式可选——跟随参考音色、参考演绎、情绪预设调节、文字指导，情绪强度还能用滑杆连续调，不是只有一个平铺直叙的朗读腔。
多种本地模型：通过 audio.cpp 运行 IndexTTS 2.0 / 2.5 和 VoxCPM2，模型在应用内下载且支持断点续传，也可以导入自己的 GGUF 权重。
硬件加速：Apple Silicon 上走 Metal，Windows 上支持 CPU、NVIDIA CUDA 以及实验性的 Vulkan，CUDA 引擎可以在设置里单独下载。
完整音频工作流：导入或录制参考音频、裁剪片段、试听、导出成品，作品按项目管理，历史生成记录随时翻回去对比。
48 kHz 输出：VoxCPM2 提供 48 kHz 采样率输出，并自动处理多语种文本，配到视频里不会一听就是低采样率的机器音。
命令行与 Agent Skill：附带独立 CLI，不开桌面端也能跑；还打包成了 Agent Skill，可以让 AI 助手自己装好引擎和模型，然后按一句话指令读稿生成配音文件。
数据留在本地：项目、音色和设置都存在用户目录下的 .yovoice 里，卸载不会清掉，换机拷目录就能接着用。
