Kit de herramientas de Python local y sin conexión que reúne transcripción, síntesis y clonación de voz, conversión de voz, generación musical y limpieza de audio en una CLI y una GUI.
52392PythonAGPL-3.0Actualizado hace 19 días
leemysw/yovoice
Estudio de escritorio local y sin conexión para macOS y Windows que convierte texto en voz, clona voces y genera canciones con letras y partituras MIDI.
Alternativa open source a:ElevenLabs
Suno
- Estrellas
- 1,694
- Forks
- 128
- Issues abiertos
- 13
- Último commit
- ayer
¿Qué es?
yovoice es una aplicación de escritorio de código abierto para crear voz, canciones y partituras multipista en tu propio equipo. Incluye conversión de texto a voz con diseño y clonación de voces, controles de emoción y estilo de interpretación, doblaje de historias que permite asignar cada línea a un personaje y generación de música con IA a partir de indicaciones de estilo y letras. La generación se ejecuta localmente en CPU o GPU, sin llamadas a APIs en la nube, y la aplicación incluye runtimes de inferencia para Windows CUDA y macOS Metal.
El módulo Score permite escribir partes por compás y pulso, importar MIDI, renderizar con una fuente de sonido General MIDI y exportar MIDI y stems. Los creadores pueden guardar varias tomas para compararlas en paralelo, recortar formas de onda y exportar stems limpios o archivos MIDI.
Además de la interfaz de escritorio, yovoice ofrece una CLI independiente, una API HTTP autenticada y un servidor MCP para que agentes como Cursor o Claude Code controlen la generación. Un asistente integrado opcional puede conectarse a DeepSeek, Qwen, OpenAI, Anthropic u Ollama; las claves de API se guardan en el equipo local.
Funciones clave
- 01Clonación de voz zero-shot y diseño de voces a partir de una descripción de texto
- 02Doblaje de historias con asignación de personajes por línea e importación de subtítulos
- 03Generación de canciones e instrumentales con IA a partir de indicaciones de estilo y letras
- 04Editor de partituras con importación MIDI y renderizado General MIDI
- 05CLI local, API HTTP autenticada y servidor MCP para integrar agentes
- 06Interfaz disponible en 12 idiomas
Casos de uso
- Narrar artículos o guiones localmente sin pagar tarifas por carácter a servicios en la nube
- Clonar una voz de referencia para obtener locuciones coherentes
- Crear borradores de canciones a partir de letras y arreglar partes MIDI
- Permitir que un agente de programación genere archivos de voz desde la línea de comandos
Inicio rápido
- 1
Descarga el paquete para tu plataforma desde Releases o el sitio web oficial
- 2
Instala la aplicación (macOS: arrástrala a Applications; Windows: ejecuta el instalador)
- 3
Descarga un modelo en Settings, crea un proyecto y genera audio
- 4
Para desarrollar, instala las dependencias y ejecuta la aplicación
make install make app-run
Antes de usarlo
- Solo hay aplicación de escritorio para macOS 14 o posterior con Apple Silicon y Windows 10/11 x64; no se indica compatibilidad con Linux.
- Algunos modelos (OmniVoice, YuE2, Breeze TTS 2) están restringidos a usos no comerciales.
- Los modelos deben descargarse por separado y algunos requieren hardware potente, como una GPU, para ofrecer un buen rendimiento.
Temas
Preguntas frecuentes
- ¿Qué es yovoice?
- Estudio de escritorio local y sin conexión para macOS y Windows que convierte texto en voz, clona voces y genera canciones con letras y partituras MIDI. yovoice es una aplicación de escritorio de código abierto para crear voz, canciones y partituras multipista en tu propio equipo. Incluye conversión de texto a voz con diseño y clonación de voces, controles de emoción y estilo de interpretación, doblaje de historias que permite asignar cada línea a un personaje y generación de música con IA a partir de indicaciones de estilo y letras. La generación se ejecuta localmente en CPU o GPU, sin llamadas a APIs en la nube, y la aplicación incluye runtimes de inferencia para Windows CUDA y macOS Metal.
- ¿yovoice es gratuito? ¿Qué licencia tiene?
- yovoice es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿yovoice sigue mantenido?
- Mantenimiento activo. El último commit de yovoice fue el 19 oct 2026.
- ¿Para qué puedo usar yovoice?
- Narrar artículos o guiones localmente sin pagar tarifas por carácter a servicios en la nube Clonar una voz de referencia para obtener locuciones coherentes Crear borradores de canciones a partir de letras y arreglar partes MIDI Permitir que un agente de programación genere archivos de voz desde la línea de comandos
- ¿Cómo se instala yovoice?
- Descarga el paquete para tu plataforma desde Releases o el sitio web oficial Instala la aplicación (macOS: arrástrala a Applications; Windows: ejecuta el instalador) Descarga un modelo en Settings, crea un proyecto y genera audio Para desarrollar, instala las dependencias y ejecuta la aplicación: make install make app-run
- ¿Dónde consigo yovoice?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/leemysw/yovoice
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Sistema open source de texto a voz con clonación de voz, control de emociones en lenguaje natural y generación multivoz, basado en modelos de tipo LLM.
33,3 mil2,9 milPythonOtherActualizado hace 6 días
Familia de modelos de texto a voz de código abierto de Resemble AI, con clonación de voz a partir de un breve clip de referencia en inglés y muchos otros idiomas.
27,1 mil3,6 milPythonMITActualizado hace 3 meses
Biblioteca de texto a voz de código abierto cuyo modelo KittenTTS 2 clona voces a partir de 5 segundos de audio y funciona en tiempo real en CPU.
16,2 mil967PythonApache-2.0Actualizado hace 4 días
Aplicación de escritorio para crear humanos digitales con IA, con síntesis de video con sincronización labial, texto a voz, clonación de voz y gestión local de modelos de IA.
5,7 mil840VueApache-2.0Actualizado hace 4 horas
Modelo TTS ligero basado en ZipVoice para clonar voces y generar audio a 48 kHz, con una velocidad de más de 150 veces el tiempo real en GPU.
5,5 mil685PythonApache-2.0Actualizado hace 5 meses