¿Qué es YoVoice?
YoVoice es un estudio de audio local: convierte texto en voz, diseña o clona una voz, genera canciones e instrumentales y arregla partituras multipista, con modelos que descargas y ejecutas en tu propio equipo. El README lo describe como un estudio de código abierto para macOS, Windows y Linux; el proyecto escribe su nombre «yovoice», y su sitio web está primero en chino, con una versión en inglés.
El motor de inferencia es audio.cpp, un motor nativo en C++ de ShugoAI, por lo que el README dice que no hace falta configurar Python ni Conda. La versión 0.8.0 añadió, según el registro de cambios, compartir canciones en la comunidad, atajos de teclado personalizables, seis temas y nuevos modelos de reconocimiento de voz.
Cómo conseguirlo
YoVoice se descarga para macOS (Apple silicon), Windows y Linux y se instala como cualquier otra app; también se publica un archivo CLI independiente, y la app de escritorio no necesita terminal.
Opción | Cómo conseguirlo |
|---|---|
| macOS | .dmg para Apple silicon, macOS 14 o posterior: GitHub Releases |
| Windows | Instalador .exe para x64, con variantes CUDA 12.4 y 13.3: GitHub Releases |
| Linux | .deb (Debian/Ubuntu) o .tar.gz para x64: GitHub Releases |
| CLI | Zip independiente por sistema: guía de la CLI |
| Sitio web | yovoice.leemysw.com |
| Política de privacidad | No se encontró; solo existen los términos de la comunidad |
| Código fuente | github.com/leemysw/yovoice, licencia Apache-2.0 |
Versión analizada: 0.8.0, publicada el 15 de noviembre de 2026 según la página de versiones de GitHub; el cambio más reciente de la rama principal es del 17 de noviembre de 2026. GitHub es solo el canal de entrega de estos instaladores, y los modelos se descargan aparte dentro de la app.
Requisitos
Las fuentes no indican un mínimo de RAM, VRAM ni de espacio en disco; lo exigente son los modelos, que se descargan aparte y varían mucho de tamaño.
Sistema operativo
- Qué dicen las fuentes:
- macOS 14 o posterior en Apple silicon, Windows 10/11 x64, Linux x64; el instalador de Windows descarga el runtime WebView2 si hace falta y Linux necesita WebKitGTK 4.1 (el .deb lo instala)
Aceleración
- Qué dicen las fuentes:
- Metal en macOS; los instaladores de Windows con CUDA 12.4 y 13.3 incluyen un runtime para GPU NVIDIA; Linux funciona en CPU de serie, con un runtime de GPU Vulkan descargable en Ajustes
Memoria y VRAM
- Qué dicen las fuentes:
- Depende del modelo; la documentación indica el tamaño de archivo por modelo, por ejemplo IndexTTS 2.5 con 3.50 GB en Q8, y recomienda una GPU para Breeze TTS 2
Modelos
- Qué dicen las fuentes:
- Se descargan dentro de la app o con la CLI, con pausa y reanudación; las fuentes no dan un tamaño total de descarga
Carpeta de datos
- Qué dicen las fuentes:
- ~/.yovoice por defecto, se puede mover en Ajustes; desinstalar la app la conserva
Internet
- Qué dicen las fuentes:
- Necesario para descargar modelos y runtimes; la documentación dice que la generación funciona sin conexión una vez instalados el motor y un modelo
Los backends son los que figuran en el README y en la guía de la CLI; PromptQuorum no comprobó qué modelos funcionan en cada backend.
Funciones confirmadas por las fuentes
Todo lo siguiente procede del README, de la documentación o del registro de cambios; nada se ha probado de forma independiente.
- Voz, diseño de voz y clonación. Clonar una voz desde una grabación de referencia, diseñar una desde una descripción de texto y ajustar emoción y entonación; la lista de modelos incluye IndexTTS 2.0 y 2.5, VoxCPM2, Qwen3-TTS, XTTS v2 y Kokoro.
- Doblaje de historias. Importar archivos de texto o subtítulos, asignar un personaje a cada línea y generar línea por línea, con varias tomas por línea para comparar.
- Música y partituras. Canciones con letra e instrumentales con ACE-Step 1.5 o YuE2, instrumentales y efectos de sonido con Stable Audio 3, separación de una canción en seis stems y arreglo de partituras General MIDI con exportación de MIDI y stems.
- Transcripción. El audio o el vídeo se convierten en líneas de subtítulos con marcas de tiempo, exportadas como SRT o WebVTT, con modelos como Qwen3 ASR y Parakeet.
- Agentes y API. Un Agent Skill instalable y la CLI, una API HTTP autenticada con endpoint MCP mediante
yovoice serve, una API local dentro de la app de escritorio en 127.0.0.1 y un panel de asistente opcional que funciona con servicios como DeepSeek, Qwen, OpenAI, Anthropic, Ollama y LM Studio. - Interfaz. Doce idiomas de interfaz, seis temas y atajos de teclado editables.
Coste
La app es gratuita con la licencia Apache-2.0, y ni el sitio web ni el repositorio mencionan un plan de pago, una prueba o una suscripción.
App
- Qué dicen las fuentes:
- Gratis; solo se describe que compartir en la comunidad requiere una cuenta
Asistente de IA
- Qué dicen las fuentes:
- Opcional; una API de pago por uso o un plan del proveedor que conectes, o un servicio local de Ollama o LM Studio, que normalmente no necesita clave
Modelos
- Qué dicen las fuentes:
- La documentación describe la descarga de modelos dentro de la app y no menciona ninguna tarifa; las licencias difieren según el modelo
No se indicó ningún precio en ninguna moneda; los datos estructurados del sitio web indican un precio de 0 USD para la app.
Flujo de datos y privacidad
El README dice que la generación se ejecuta por completo en tu propia CPU o GPU y que los manuscritos, las voces de referencia y las creaciones nunca salen del equipo, y el sitio web repite «100 % de privacidad sin conexión». El documento de arquitectura añade que, aparte de las descargas de modelos y runtimes y del uso compartido en la comunidad que inicia el usuario, el único uso de red es el servicio de IA que configures; el README describe aparte comprobaciones de actualizaciones en segundo plano en macOS y Windows.
El asistente opcional envía tu petición escrita y una instrucción fija directamente al proveedor que elijas, y las claves se guardan en la base de datos local con permisos solo para el propietario. Compartir en la comunidad, añadido en 0.8.0, sube un archivo de audio de vista previa y un paquete de proyecto tras iniciar sesión con una cuenta de leemysw, y los términos de la comunidad dicen que el inicio de sesión registra la versión de los términos, la hora y tu dirección de red.
📌Nota: Son declaraciones del creador, no resultados de una auditoría. PromptQuorum no ha leído el código ni inspeccionado el tráfico de red de la app, y al no haber una política de privacidad que leer, estas afirmaciones proceden únicamente del README y de la documentación.
Clonación de voz, consentimiento y licencias de modelos
Clonar solo requiere una grabación de referencia, y el README y las páginas de documentación que leímos no describen ninguna comprobación de que la voz pertenezca al usuario, así que el consentimiento es responsabilidad tuya. Los términos de la comunidad del creador prohíben compartir la voz de una persona real sin su consentimiento, incluidos clones de personajes públicos, actores y cantantes, así como la suplantación; esos términos rigen la comunidad, no el uso privado de la app.
- Consentimiento y ley. Que clonar una voz sea lícito depende de la persona, de la finalidad y del país; esta reseña no es asesoramiento jurídico y PromptQuorum no ha evaluado ninguna jurisdicción.
- Las licencias de los modelos difieren. Según el README, los pesos de OmniVoice, YuE2, Breeze TTS 2, Voxtral 4B TTS y MuScriptor están restringidos a uso no comercial, XTTS v2 y Drama 3 usan sus propias licencias de Coqui y Fish Audio, los modelos IndexTTS tienen una licencia de modelo aparte y Stable Audio 3 es gratis por debajo de 1 millón de USD de ingresos anuales según la Stability AI Community License. La licencia Apache-2.0 cubre la app, no esos pesos.
- Reglas para compartir. Los términos de la comunidad exigen indicar con veracidad el origen de una voz (la propia, la de otra persona con consentimiento claro o una voz sintética) y elegir una licencia no comercial para las obras de modelos que prohíben el uso comercial.
Lo que no pudimos verificar
- Calidad de salida y velocidad. PromptQuorum no escuchó voz ni música, no midió la velocidad de generación ni probó la precisión de clonación de ningún modelo; el sitio web ofrece muestras de audio que no evaluamos.
- Madurez del proyecto. El repositorio se creó el 15 de septiembre de 2026 y está publicado con el nombre de un solo desarrollador, por lo que se desconoce su mantenimiento a largo plazo.
- Conservación de tomas. La sección Unreleased del registro de cambios dice que una corrección evita que la generación borre en silencio tomas antiguas tras diez versiones; no comprobamos si la versión 0.8.0 se comporta así, así que guarda copias de las tomas que necesites.
- Cobertura de idiomas. Los idiomas de voz admitidos dependen del modelo y las fuentes no dan una cifra única; no probamos ningún idioma.
- Firma de los instaladores. No se comprobó si los instaladores de macOS y Windows están notarizados o firmados.
Competidores y alternativas
Voicebox
- Plataformas:
- macOS, Windows (Linux desde el código)
- Precio / licencia:
- Gratis / MIT
- Diferencia clave:
- Clonación de voz, texto a voz y dictado con Whisper con servidor MCP; su reseña no menciona generación de música ni partituras
Artículos sobre Voicebox (1)
- Voicebox Review: Open-Source Local Voice StudioActualizado 26 de octubre de 2026
También mencionado en:
- Univocal Review: Read-Aloud and Dictation on Your MacActualizado 16 de noviembre de 2026
XTTS v2
- Plataformas:
- macOS, Windows, Linux
- Precio / licencia:
- Gratis / CPML
- Diferencia clave:
- Un único modelo de clonación usado como biblioteca, sin estudio, música ni funciones de agente
Artículos sobre XTTS v2 (9)
- XTTS v2 Review: Multilingual Voice Cloning from 6 Seconds of AudioActualizado 5 de septiembre de 2026
- Best Local TTS Engine for an NVIDIA GPU Setup (2026)Actualizado 19 de noviembre de 2026
- Local ElevenLabs Alternatives: Piper vs XTTS v2 (2026)Actualizado 19 de noviembre de 2026
- Local TTS & Voice Cloning Licenses 2026: Which Engines Allow Commercial Use (Piper, XTTS v2, F5-TTS, Coqui)Actualizado 19 de noviembre de 2026
- Best Local TTS Engine for Mac (2026): What Actually Uses Apple SiliconActualizado 11 de septiembre de 2026
- Best Local TTS Engine for Raspberry Pi (2026)Actualizado 11 de septiembre de 2026
- Best TTS for Ollama (2026): Adding Voice Output to a Local LLM SetupActualizado 11 de septiembre de 2026
- Piper vs Chatterbox TTS (2026): Fast Local Speech or Voice Cloning?Actualizado 11 de septiembre de 2026
- Piper vs Kokoro TTS (2026): Which Local Voice Engine Should You Use?Actualizado 11 de septiembre de 2026
+6 más no mostrados
Coqui TTS
- Plataformas:
- macOS, Windows, Linux
- Precio / licencia:
- Gratis / MPL 2.0
- Diferencia clave:
- Un kit de Python para ejecutar modelos de texto a voz desde código, no un estudio de escritorio
Artículos sobre Coqui TTS (6)
- Coqui TTS Review: The Community-Maintained Voice-Cloning ToolkitActualizado 5 de septiembre de 2026
- Local TTS & Voice Cloning Licenses 2026: Which Engines Allow Commercial Use (Piper, XTTS v2, F5-TTS, Coqui)Actualizado 19 de noviembre de 2026
- Local Voice & Speech Tools Compared (2026): Text-to-Speech, Speech-to-Text and Voice AgentsActualizado 13 de noviembre de 2026
- Best Local TTS Engine for Raspberry Pi (2026)Actualizado 11 de septiembre de 2026
- Bark TTS Review: Suno's MIT-Licensed Model for Laughter, Sighs, and SpeechActualizado 6 de septiembre de 2026
- XTTS v2 Review: Multilingual Voice Cloning from 6 Seconds of AudioActualizado 5 de septiembre de 2026
También mencionado en:
- Best Local TTS Engine for an NVIDIA GPU Setup (2026)Actualizado 19 de noviembre de 2026
- Build a Fully Offline Voice Assistant in 2026: Whisper + LLM + Piper (Step-by-Step)Actualizado 9 de noviembre de 2026
- Willow Inference Server Review: Self-Hosted Whisper ASR and TTSActualizado 19 de septiembre de 2026
- Best Local TTS Engine for Mac (2026): What Actually Uses Apple SiliconActualizado 11 de septiembre de 2026
+3 más no mostrados
Bark
- Plataformas:
- macOS, Windows, Linux
- Precio / licencia:
- Gratis / MIT
- Diferencia clave:
- Un modelo de texto a audio que se usa desde código, sin clonación de voz propia según su reseña
Artículos sobre Bark (7)
- Bark TTS Review: Suno's MIT-Licensed Model for Laughter, Sighs, and SpeechActualizado 6 de septiembre de 2026
- Best Local TTS Engine for an NVIDIA GPU Setup (2026)Actualizado 19 de noviembre de 2026
- Local TTS & Voice Cloning Licenses 2026: Which Engines Allow Commercial Use (Piper, XTTS v2, F5-TTS, Coqui)Actualizado 19 de noviembre de 2026
- Local Voice & Speech Tools Compared (2026): Text-to-Speech, Speech-to-Text and Voice AgentsActualizado 13 de noviembre de 2026
- Best Local TTS Engine for Mac (2026): What Actually Uses Apple SiliconActualizado 11 de septiembre de 2026
- Best TTS for Ollama (2026): Adding Voice Output to a Local LLM SetupActualizado 11 de septiembre de 2026
- StyleTTS 2 Review: Columbia's MIT-Licensed Research Model for Natural SpeechActualizado 6 de septiembre de 2026
También mencionado en:
- Open-LLM-VTuber Review: Self-Hosted Voice Chat with a Live2D AvatarActualizado 24 de octubre de 2026
- Willow Inference Server Review: Self-Hosted Whisper ASR and TTSActualizado 19 de septiembre de 2026
- Piper vs Kokoro TTS (2026): Which Local Voice Engine Should You Use?Actualizado 11 de septiembre de 2026
+3 más no mostrados
Son apps de la misma categoría del directorio de PromptQuorum; confirma el precio, la licencia y las plataformas actuales de cada app en su propia página.
Preguntas frecuentes
¿Puedo usarlo desde un script o con un agente de IA?
Sí: la CLI funciona sin la app de escritorio, y un Agent Skill instalable permite que un agente configure la CLI, el motor y el modelo. El servidor y la API local de la app usan un token bearer preconfigurado en lugar de un inicio de sesión OAuth, y la API local solo es accesible desde el mismo equipo.
¿Con qué modelo debería empezar?
La guía de inicio sugiere Kokoro-82M para narración rápida o VoxCPM2 para clonar, y la documentación dice que Kokoro tiene voces integradas y no clona. No comparamos la calidad de salida.
¿Admite mi idioma?
La interfaz tiene doce idiomas, pero la voz depende del modelo: según la documentación, IndexTTS 2.5 añade japonés, español y árabe al chino y al inglés, XTTS v2 cubre 17 idiomas y Audio8 TTS Realistic 11. No probamos ninguno.
¿El asistente de IA puede funcionar totalmente en local?
Puede conectarse a Ollama o LM Studio en el mismo equipo, según la documentación, que añade que los modelos grandes escriben arreglos notablemente mejores y que los modelos locales pequeños pueden no superar la comprobación de formato.
¿Las canciones compartidas incluyen mis voces de referencia?
No: según los términos de la comunidad y el documento de arquitectura, un paquete compartido contiene el audio, la letra y los ajustes de generación de esa versión, pero no las voces de referencia, una persona revisa cada obra antes de que sea pública y las obras compartidas se pueden borrar en los ajustes de la app.
Veredicto
YoVoice es una forma joven, pero con desarrollo activo y licencia Apache-2.0, de generar voz, clonar voces y hacer música con IA en tu propio equipo, con una CLI y un servidor MCP que permiten que los agentes lo manejen. Sus afirmaciones sobre el funcionamiento sin conexión proceden del README y de la documentación, no de una auditoría independiente, el repositorio tiene solo dos meses y un único desarrollador identificado, varios pesos de modelo prohíben el uso comercial y la versión para Mac cubre solo Apple silicon. Encaja con creadores y desarrolladores que quieren una herramienta de audio local y gratuita y que descargarán archivos de modelo grandes; quien necesite calidad de salida demostrada, claridad sobre el uso comercial de cada modelo o una política de datos verificada debería probarlo y leer antes la licencia de cada modelo.
Fuentes
- Sitio web de YoVoice — descripción, plataformas y descargas.
- Términos de la comunidad de YoVoice — reglas para compartir, consentimiento de voz, ley aplicable y datos almacenados, vigentes desde el 12 de noviembre de 2026.
- YoVoice en GitHub — README, licencia Apache-2.0 y notas de licencias de modelos.
- Versión 0.8.0 de YoVoice — versión, fecha y archivos de instalación.
- Guía de selección de modelos — modelos, entradas, idiomas y tamaños de archivo.
- Guía del servicio de IA — proveedores del asistente, almacenamiento de claves y límites.
- Guía de API y MCP — servidor, API local y herramientas MCP.
- Guía de la CLI — instalación de la CLI y backends.
- Notas de arquitectura — procesos, uso de red y carpeta de datos.
- Registro de cambios — cambios de 0.8.0 y correcciones sin publicar.
