GitHub开源yovoice：本地配音与声音克隆，支持Indextts 2.5

围绕语音合成与音视频处理能力，进一步可延伸到 Codex音视频API与自动化剪辑办公特训，其中包含图片、音视频相关API的配置调用与自动化视频剪辑实战，与本地配音工具的落地应用形成互补。若想把配音能力直接用于内容生产，AI正能量家庭短剧三视图分镜剪辑课程提供了从分镜到剪辑的完整工作流，适合将开源TTS工具接入短剧量产环节配套使用。

GitHub最新开源宝藏项目！本地配音与声音克隆能力都齐了，支持Indextts 2.5和VoxCPM等模型yovoice 做视频、录课程、剪播客的时候，最烦的常常不是写文案，而是找一段合适的配音：云端配音按字数收费，改稿还要重新买额度，素材还得先上传。yovoice是一款开源的声音创作软件，本地语音合成、声音克隆和情绪控制都在自己电脑上完成，不调用云端接口，也没有按字符计费，同时提供macOS和Windows版本。它适合短视频解说、课程音频和播客创作。软件特点完全免费：语音合成和声音克隆都跑在本地，不走云端API，支持Indextts 2.5和VoxCPM模型等，下载模型即可使用音色克隆加情绪控制：这是它最核心的能力，除了把文字读出来，还能克隆声音、调节情绪，同一段文案可以试出不一样的语气。素材留在自己电脑：声音样本和生成过程都在本机完成，不必先把录音传到别人的服务器上，做商业内容时更安心。实测好用：清喜手把手测试，如果你需要一款本地配音、声音克隆的工具，那么这个软件非常合适适合这些场景：短视频解说、课程音频、播客片头、有声内容初稿、批量朗读，凡是需要反复出稿的活儿都能用得上。支持系统与更新：macOS和Windows两个平台都有对应版本；项目采用Apache-2.0开源协议软件截图*提示本文仅为介绍，不构成任何收益承诺，变现效果因人而异，需结合自身努力与实操，合理运用所学内容，同时严格遵守平台相关规则与相关法律法规*

适合哪些人用

最常见的一类情况是：文案改一次，配音就得重出一次。短视频解说、课程音频、播客片头这类活儿，反复出稿是常态，按字数计费的云端方案在这里会越来越不划算。已经在自己账号里固定了人声风格、希望每期声音保持一致的创作者，音色克隆也是直接对口的功能。

关于 Indextts 2.5 和 VoxCPM

这两个是项目支持的模型，属于要单独下载后才能用的资源，不是装好软件就有。第一次上手时容易忽略这点，进去发现功能点不动，多半是模型还没就位。模型跑在本机，机器配置一般的同学可能会觉得生成速度偏慢，这属于本地方案的正常取舍省了接口费用，代价是占用自己电脑的算力。

使用上的几个建议

情绪控制这套能力，实际用起来是同一段文案多试几遍：先拿其中一小段文字测语气，挑到合适的再整段出，能省不少返工。批量朗读的时候，建议把长文案按段落拆开生成，一方面方便单独调整某一段的语气，另一方面出了问题也好定位是哪一句不对。克隆音色用的样本，尽量挑干净、无背景音的录音。

需要注意的地方

声音样本和生成过程都在本机完成，不经过云端接口，做商业内容时确实少了一层素材外传的顾虑。但不上传不等于不用负责：克隆的声音如果涉及他人，得先确认对方同意；项目用的是 Apache-2.0 开源协议，本身允许商用，具体放到哪个平台发布，还是要按该平台的规则来。

平台与上手顺序

macOS 和 Windows 都有对应版本，两边的操作流程基本一致，换设备不用重新学。比较顺的上手顺序是：装软件 → 下载模型 → 用自己的声音样本试克隆 → 调情绪出一段成品，先把这一条链路跑通，再考虑批量和复杂稿件。前面几步没通，后面的功能都用不上。