Локальная офлайн-студия для macOS и Windows: преобразует текст в речь, клонирует голоса и создаёт песни с текстами и MIDI-партитурами.
Open source альтернатива:ElevenLabs
Suno
yovoice — приложение с открытым исходным кодом для создания речи, песен и многодорожечных партитур на собственном компьютере. В нём есть преобразование текста в речь с настройкой и клонированием голосов, управление эмоциями и манерой исполнения, дубляж историй с назначением персонажа каждой реплике, а также генерация музыки по описанию стиля и тексту песни. Генерация выполняется локально, на CPU или GPU, без обращений к облачным API; в приложение входят готовые среды выполнения для инференса под Windows CUDA и macOS Metal.
Модуль Score позволяет писать партии по тактам и долям, импортировать MIDI, выполнять рендеринг с помощью звукового банка General MIDI и экспортировать MIDI и отдельные дорожки. Авторы могут хранить несколько вариантов для сравнения, обрезать волновые формы и экспортировать отдельные дорожки без лишних элементов или MIDI-файлы.
Помимо настольного интерфейса, yovoice предоставляет отдельный CLI, HTTP API с аутентификацией и MCP-сервер, благодаря которым агенты, например Cursor или Claude Code, могут управлять генерацией. Дополнительно встроенный ассистент можно подключить к DeepSeek, Qwen, OpenAI, Anthropic или Ollama; API-ключи хранятся на локальном компьютере.
Скачайте пакет для своей платформы в разделе Releases или на официальном сайте
Установите приложение (macOS: перетащите его в Applications; Windows: запустите установщик)
Скачайте модель в Settings, затем создайте проект и сгенерируйте аудио
Для разработки установите зависимости и запустите приложение
make install
make app-runОписание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Локальный офлайн-инструментарий на Python для работы с аудио: распознавание и синтез речи, клонирование и преобразование голоса, генерация музыки и очистка звука через CLI и GUI.
Открытая система синтеза речи из текста с клонированием голоса, управлением эмоциями на естественном языке и генерацией речи нескольких персонажей на основе моделей в стиле LLM.
Семейство открытых моделей синтеза речи Resemble AI с клонированием голоса по короткому аудиообразцу на английском и многих других языках.
Библиотека с открытым исходным кодом для синтеза речи: модель KittenTTS 2 клонирует голос по 5 секундам аудио и работает на CPU в реальном времени.
Десктопное приложение для создания цифровых людей с помощью ИИ: синтез видео с липсинком, озвучивание текста, клонирование голоса и управление локальными моделями ИИ.
Лёгкая TTS-модель на базе ZipVoice для клонирования голоса и генерации речи с частотой 48 кГц, работающая на GPU быстрее реального времени более чем в 150 раз.