一、yovoice 是什么？
yovoice 是一款开源的本地优先（Local-first）声音与音乐创作工作台，支持 macOS 和 Windows。
核心能力：
文字转语音：零样本音色克隆、情绪风格控制、48kHz 高保真输出
AI 音乐生成：根据歌词和风格描述生成带人声的完整歌曲
多轨编曲：MIDI 编写、General MIDI 音色库渲染、分轨导出
100% 本地运行：所有模型在本地推理，无云端 API 调用，数据不出本机
无按字 / 按秒扣费：一次下载模型，无限次使用
支持的模型包括 IndexTTS 2.0/2.5、VoxCPM2、Qwen3-TTS、Kokoro-82M、ACE-Step 1.5 等。
二、硬件要求
Windows 用户如果有 NVIDIA 显卡，建议选择 CUDA 版本安装包，推理速度会快很多。
三、Windows 安装步骤
1. 下载安装包
前往项目的 Releases 页面，根据你的系统选择对应安装包：
国内用户如果 GitHub 下载慢，可以使用加速镜像（如 ghproxy）在链接前加前缀即可。
2. 运行安装
双击下载好的 .exe 安装包，按照向导完成安装。
安装过程会自动检测并安装 WebView2 Runtime（如果系统没有的话）
建议自定义安装目录，避免装在 C 盘
模型文件体积较大（几 GB 到十几 GB），预留足够磁盘空间
3. 首次启动
安装完成后从开始菜单打开 yovoice。
首次启动需要：
进入「设置 → 模型下载」
选择需要的模型下载（建议先下 Kokoro-82M 试用，体积小、速度快）
等待模型下载完成（支持断点续传）
四、接入 DeepSeek AI 服务（可选）
yovoice 支持接入第三方大语言模型，让 AI 帮你写歌词、写乐谱。DeepSeek 是性价比最高的选择之一。
1. 获取 DeepSeek API 密钥
打开 DeepSeek 开放平台 注册登录
进入「API Keys」页面，创建新的密钥
复制密钥（以 sk- 开头）
2. 充值
DeepSeek 是按量计费的，需要先充值才能调用。
价格参考（每百万 tokens）：
充 10 块钱就能用几千次，成本非常低。
3. 在 yovoice 中配置
打开 yovoice → 设置 → AI 服务
选择「DeepSeek」
粘贴 API 密钥
服务地址保持默认：https://api.deepseek.com
点击「同步模型列表」，等待拉取完成
选择模型（推荐 deepseek-chat，便宜快速）
点击「测试」，显示连接成功即配置完成
五、常见问题
Q1：测试 AI 服务时报错 unexpected EOF？
原因：模型名填写错误，或浏览器跨域问题
解决：点击「同步模型列表」自动获取正确的模型名，不要手动输入不存在的模型名。另外请使用桌面应用而非浏览器版进行配置。
Q2：测试时报错 HTTP 402 Insufficient Balance？
原因：DeepSeek 账户余额不足
解决：前往 DeepSeek 平台 充值后再试
Q3：测试时报错 401 Unauthorized？
原因：API 密钥错误或已过期
解决：检查密钥是否复制完整，重新生成一个试试
Q4：模型下载速度慢？
模型文件较大（几 GB），建议在网络稳定时下载
支持断点续传，中断后重新下载会继续
Q5：没有显卡能用吗？
可以。Kokoro-82M 模型在纯 CPU 下也能毫秒级合成语音，只是大模型（如 ACE-Step）会比较慢
六、从源码构建（开发者可选）
如果想从源码自行构建，环境要求：
Node.js 22+、pnpm 9.15.2
Go 1.26+
Python 3.12+
Windows：.NET SDK 8、MSYS2 MinGW64、WebView2 Runtime
构建命令：
git clone https://github.com/leemysw/yovoice.gitcd yovoice
make install
make app-run
更多开发细节参考项目仓库的 开发指南。
七、总结
yovoice 是目前少有的完全国产、本地优先的声音创作工作台，相比云端 API 方案：
🔒 隐私安全：所有音频和稿件都在本地
💰 成本极低：一次下载，无限使用
⚡ 速度快：本地推理，不需要排队等云端
适合有声书创作者、视频配音、音乐爱好者等人群。如果你对数据隐私有要求，或者不想按字数付费，yovoice 是一个非常值得尝试的开源方案。
评论