【免费下载链接】yovoice
Open-source local AI audio & music studio for macOS & Windows. TTS, voice cloning, songs with lyrics, and multi-track scores — 100% offline, zero API fees.
yovoice 是一款开源的本地 AI 音频与音乐工作室，内置 ACE-Step 1.5 Turbo 音乐生成模型，让你在 macOS 或 Windows 上 100% 离线地写出带人声的完整歌曲——不用云端 API、不按字收费。本文将从安装模型开始，手把手带你配置风格标签、用段落标记写歌词，并利用多版本（takes）对比挑出最满意的一版。
先了解 yovoice 音乐生成的工作流
整个流程只有四步：
- 装好模型：在设置中下载 ACE-Step 1.5 Turbo（约 10.1 GB）；
- 新建歌曲：选择"音乐生成"类型项目；
- 填风格 + 歌词：用标签描述曲风，用
[verse]、[chorus]等标记歌词段落； - 生成与对比：每生成一次都会保留一个版本，可并排试听、挑选或复用参数。
所有推理都在本机运行，歌词和录音不会离开你的电脑。
一键安装：模型与硬件要求
从仓库 Releases 或官网下载对应安装包。macOS 14+（Apple Silicon）拖拽.dmg进 Applications 即可；Windows 用户如果用的是 NVIDIA 显卡，推荐-cuda12.4-setup.exe或-cuda13.3-setup.exe版本，内置 CUDA 运行时，首次启动就能用 GPU。
⚙️硬件提示：完整歌曲生成建议使用12 GB+ 显存或16 GB+ 内存的 Apple Silicon设备。
安装后在"设置 › 模型"中下载ace-step-1.5-turbo-bf16（BF16 精度，约 10.1 GB），模型清单与文件大小定义在 internal/catalog/catalog.json。该模型需要v0.9.1 及以上的推理内核，界面检测到内核过旧时会提示一键更新。
写风格标签：让 ACE-Step 听懂你的曲风
新建"音乐生成"项目后，第一个输入框就是风格（Style）。写法很简单：用英文逗号分隔的标签，最长 512 字符，ACE-Step 对中英文描述都能理解。
界面内置了四类快捷标签，点一下就能加入或移除（实现见 web/src/features/music/music-editor.tsx）：
| 分组 | 示例标签 |
|---|---|
| 流派 genre | pop、city pop、lo-fi、rock、jazz、chinese traditional |
| 情绪 mood | upbeat、chill、dreamy、melancholic、epic |
| 乐器 instrument | warm synths、acoustic guitar、piano、808 bass、guzheng |
| 人声 vocal | female vocals、male vocals、choir、rap |
标签分组定义在 web/src/features/music/music-draft.ts。一条经典示范：
city pop, warm synths, chill, female vocals想更精细时，可以直接写句子加标签混合，例如a nostalgic night drive song, city pop, slap bass, 100 bpm。
用段落标记写歌词
在**歌词（Lyrics）**输入框中，用方括号标记控制歌曲结构，标记单独占一行，方便 ACE-Step 识别段落（最多 4000 字符）：
[intro] [verse] 晚风把招牌吹得一闪一闪 冰柜里的汽水排成一行 [chorus] 二十四小时的光 不睡的城 收银台的叮咚像心跳的声 [bridge] 如果今晚可以不说再见 就在这里 一直等界面提供"插入段落"下拉菜单，可快速在光标处插入[intro]、[verse]、[pre-chorus]、[chorus]、[bridge]、[outro]六种标记（见 web/src/features/music/music-draft.ts）。
两个实用技巧：
- 留空也可以：不写歌词时，模型会按风格自由哼唱；
- 纯音乐模式：切换到"纯音乐"后只生成伴奏，你写的歌词会保留，随时切回即可继续编辑。
时长、演唱语言与高级参数
右侧检查器（web/src/features/music/music-inspector.tsx）里常用的三个设置：
- 时长：自动（由模型决定），或固定 10–300 秒，常用档位 30 / 60 / 120 / 180 秒一键切换；
- 演唱语言：普通话、英语、粤语、日语、韩语、西语、法语、德语、葡语、俄语、意大利语，务必与歌词语言一致；
- 高级设置：速度（30–300 BPM）、调性、拍号默认交给模型自动规划，也可手动指定；
num_inference_steps（默认 8）越高细节越丰富但更慢；设置seed可复现同一版本。
多版本对比：每首歌都值得再滚一次
yovoice 最贴心的设计之一：每次生成都会自动保存为一个版本（take），不会互相覆盖。版本列表会显示每条的风格标签、时长和时间，点击即可试听对比，这正是"多版本对比"的工作方式。
- 🎧 听到满意的版本：直接导出；
- 🔄 想在这个基础上重试：点版本行的"复用参数"按钮，风格和歌词会回填到编辑器（见 web/src/features/music/music-editor.tsx）。
可选：用 AI 帮你写歌词
如果不想自己憋词，yovoice 支持接入 DeepSeek、通义千问、OpenAI、Ollama 等大模型（密钥只保存在本机），在编辑器顶部直接写一句需求，AI 就会填好风格描述、带段落标记的歌词和标题，纯音乐模式下则只写风格结构。配置方法见 docs/ai_zh.md；提示词逻辑在 internal/workbench/ai_compose.go。
常见问题速查
| 问题 | 答案 |
|---|---|
| 生成速度慢？ | 正常现象，整首歌完整生成后才播放；用 GPU（CUDA/Metal）会快很多 |
| 能改某一段吗？ | 暂不支持续写、翻唱、局部重绘与分轨提取，可用多版本策略挑选 |
| 有 Q8 小模型吗？ | 上游标注全量 Q8 会让规划器生成另一首歌，因此官方只提供 BF16 包 |
| 歌词支持哪些语言？ | 与演唱语言一致即可，共 11 种语言 |
更多模型细节见 docs/models_zh.md，项目整体介绍见 README_zh.md。
准备好 10 GB 磁盘空间和一段下午时光，在 yovoice 里写下第一句[chorus]——你的第一首本地生成歌曲离得不远。🎵
【免费下载链接】yovoice
Open-source local AI audio & music studio for macOS & Windows. TTS, voice cloning, songs with lyrics, and multi-track scores — 100% offline, zero API fees.
相关推荐
Dify.AI歌词创作：音乐歌词生成
Dify.AI歌词创作：音乐歌词生成 概述：AI驱动的音乐创作新范式 你是否曾经面对空白文档，苦思冥想却写不出满意的歌词？或者作为音乐创作者，需要快速生成不同风
人工智能大模型LLMOpsAI 应用RAGAI Agent低代码用ACE-Step 1.5生成你的第一首歌：Gradio界面新手入门一步步指南
用ACE Step 1.5生成你的第一首歌：Gradio界面新手入门一步步指南 ACE Step 1.5 是目前最强的本地音乐生成模型之一，音质超越大多数商业音
人工智能大模型音乐生成音频本地部署LoRAAI 应用ACE-Step 1.5本地AI音乐生成5Hz LM深潜：CoT歌曲蓝图、Query重写与Thinking模式内幕
ACE Step 1.5本地AI音乐生成5Hz LM深潜：CoT歌曲蓝图、Query重写与Thinking模式内幕 ACE Step 1.5 是一款强大的开源本
人工智能大模型音乐生成音频本地部署LoRAAI 应用
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
