Qu’est-ce que YoVoice ?
YoVoice est un studio audio local : il transforme le texte en voix, conçoit ou clone une voix, génère des chansons et des instrumentaux et arrange des partitions multipistes, avec des modèles que vous téléchargez et exécutez sur votre propre ordinateur. Le README le décrit comme un studio open source pour macOS, Windows et Linux ; le projet écrit son nom « yovoice », et son site est d’abord en chinois, avec une version anglaise.
Le moteur d’inférence est audio.cpp, un moteur natif en C++ de ShugoAI, si bien que le README indique qu’aucune installation de Python ou de Conda n’est nécessaire. La version 0.8.0 a ajouté, selon le journal des modifications, le partage de chansons dans la communauté, des raccourcis clavier personnalisables, six thèmes et de nouveaux modèles de reconnaissance vocale.
Où l’obtenir
YoVoice se télécharge pour macOS (Apple silicon), Windows et Linux et s’installe comme n’importe quelle application ; une archive CLI autonome est aussi publiée, et l’application de bureau ne demande pas de terminal.
Option | Comment l’obtenir |
|---|---|
| macOS | .dmg pour Apple silicon, macOS 14 ou ultérieur : GitHub Releases |
| Windows | Installateur .exe pour x64, avec variantes CUDA 12.4 et 13.3 : GitHub Releases |
| Linux | .deb (Debian/Ubuntu) ou .tar.gz pour x64 : GitHub Releases |
| CLI | Zip autonome par système : guide de la CLI |
| Site web | yovoice.leemysw.com |
| Politique de confidentialité | Aucune trouvée ; seules existent les conditions de la communauté |
| Code source | github.com/leemysw/yovoice, licence Apache-2.0 |
Version testée : 0.8.0, publiée le 15 novembre 2026 selon la page des versions GitHub ; la modification la plus récente de la branche principale date du 17 novembre 2026. GitHub n’est que le canal de distribution de ces installateurs, et les modèles se téléchargent séparément dans l’application.
Prérequis
Les sources n’indiquent aucun minimum de RAM, de VRAM ou d’espace disque ; ce sont les modèles qui sont exigeants, téléchargés séparément et de tailles très variables.
Système d’exploitation
- Ce que disent les sources:
- macOS 14 ou ultérieur sur Apple silicon, Windows 10/11 x64, Linux x64 ; l’installateur Windows récupère le runtime WebView2 si besoin et Linux exige WebKitGTK 4.1 (le .deb l’installe)
Accélération
- Ce que disent les sources:
- Metal sur macOS ; les installateurs Windows CUDA 12.4 et 13.3 embarquent un runtime pour GPU NVIDIA ; Linux fonctionne sur CPU d’emblée, avec un runtime GPU Vulkan téléchargeable dans les réglages
Mémoire et VRAM
- Ce que disent les sources:
- Dépend du modèle ; la documentation indique la taille des fichiers par modèle, par exemple IndexTTS 2.5 à 3.50 Go en Q8, et recommande un GPU pour Breeze TTS 2
Modèles
- Ce que disent les sources:
- Téléchargés dans l’application ou avec la CLI, avec pause et reprise ; les sources ne donnent pas de taille totale de téléchargement
Dossier de données
- Ce que disent les sources:
- ~/.yovoice par défaut, déplaçable dans les réglages ; la désinstallation de l’application le conserve
Internet
- Ce que disent les sources:
- Nécessaire pour télécharger modèles et runtimes ; la documentation indique que la génération fonctionne hors ligne une fois le moteur et un modèle installés
Les backends sont ceux listés dans le README et le guide de la CLI ; PromptQuorum n’a pas vérifié quels modèles fonctionnent sur quel backend.
Fonctions confirmées par les sources
Chaque élément ci-dessous provient du README, de la documentation ou du journal des modifications ; aucun n’a été testé de façon indépendante.
- Voix, conception de voix et clonage. Cloner une voix à partir d’un enregistrement de référence, en concevoir une à partir d’une description et régler l’émotion et le débit ; la liste de modèles comprend IndexTTS 2.0 et 2.5, VoxCPM2, Qwen3-TTS, XTTS v2 et Kokoro.
- Doublage d’histoires. Importer des fichiers de texte ou de sous-titres, attribuer un personnage à chaque ligne et générer ligne par ligne, avec plusieurs prises par ligne à comparer.
- Musique et partitions. Chansons avec paroles et instrumentaux via ACE-Step 1.5 ou YuE2, instrumentaux et effets sonores via Stable Audio 3, séparation d’une chanson en six stems et arrangement de partitions General MIDI avec export MIDI et stems.
- Transcription. L’audio ou la vidéo devient des lignes de sous-titres horodatées exportées en SRT ou WebVTT, avec des modèles comme Qwen3 ASR et Parakeet.
- Agents et API. Un Agent Skill installable et la CLI, une API HTTP authentifiée avec point d’accès MCP via
yovoice serve, une API locale dans l’application de bureau sur 127.0.0.1 et un panneau d’assistant facultatif qui fonctionne avec des services comme DeepSeek, Qwen, OpenAI, Anthropic, Ollama et LM Studio. - Interface. Douze langues d’interface, six thèmes et des raccourcis clavier modifiables.
Coût
L’application est gratuite sous licence Apache-2.0, et ni le site web ni le dépôt ne mentionnent d’offre payante, d’essai ou d’abonnement.
Application
- Ce que disent les sources:
- Gratuite ; seul le partage communautaire est décrit comme nécessitant un compte
Assistant IA
- Ce que disent les sources:
- Facultatif ; une API à l’usage ou une offre du fournisseur que vous connectez, ou un service local Ollama ou LM Studio, qui n’exige généralement pas de clé
Modèles
- Ce que disent les sources:
- La documentation décrit le téléchargement des modèles dans l’application et ne mentionne aucun frais ; les licences diffèrent selon le modèle
Aucun prix n’a été indiqué, quelle que soit la devise ; les données structurées du site web indiquent un prix de 0 USD pour l’application.
Flux de données et confidentialité
Le README indique que la génération s’exécute entièrement sur votre propre CPU ou GPU et que les manuscrits, les voix de référence et les créations ne quittent jamais l’ordinateur, et le site web reprend « 100 % de confidentialité hors ligne ». Le document d’architecture ajoute qu’en dehors des téléchargements de modèles et de runtimes et du partage communautaire lancé par l’utilisateur, le seul usage du réseau est le service IA que vous configurez ; le README décrit séparément des recherches de mises à jour en arrière-plan sous macOS et Windows.
L’assistant facultatif envoie votre requête saisie et une instruction fixe directement au fournisseur que vous choisissez, et les clés sont stockées dans la base de données locale avec des droits réservés au propriétaire. Le partage communautaire, ajouté dans la version 0.8.0, envoie un fichier audio d’aperçu et un paquet de projet après connexion avec un compte leemysw, et les conditions de la communauté indiquent que la connexion enregistre la version des conditions, l’heure et votre adresse réseau.
📌Remarque: Ce sont des déclarations de l’auteur, pas des résultats d’audit. PromptQuorum n’a ni lu le code ni inspecté le trafic réseau de l’application, et faute de politique de confidentialité à lire, ces affirmations proviennent uniquement du README et de la documentation.
Clonage vocal, consentement et licences des modèles
Le clonage ne demande qu’un enregistrement de référence, et le README et les pages de documentation lues ne décrivent aucune vérification que la voix appartient à l’utilisateur ; le consentement relève donc de votre responsabilité. Les conditions de la communauté de l’auteur interdisent de partager la voix d’une personne réelle sans son consentement, y compris des clones de personnalités publiques, d’acteurs et de chanteurs, ainsi que l’usurpation d’identité ; ces conditions régissent la communauté, pas l’usage privé de l’application.
- Consentement et droit. La licéité du clonage d’une voix dépend de la personne, de la finalité et du pays ; ce test n’est pas un conseil juridique, et PromptQuorum n’a évalué aucune juridiction.
- Les licences des modèles diffèrent. Selon le README, les poids d’OmniVoice, YuE2, Breeze TTS 2, Voxtral 4B TTS et MuScriptor sont limités à un usage non commercial, XTTS v2 et Drama 3 utilisent leurs propres licences Coqui et Fish Audio, les modèles IndexTTS ont une licence de modèle distincte et Stable Audio 3 est gratuit sous 1 M USD de chiffre d’affaires annuel selon la Stability AI Community License. La licence Apache-2.0 couvre l’application, pas ces poids.
- Règles de partage. Les conditions de la communauté exigent d’indiquer sincèrement la source d’une voix (sa propre voix, celle d’une autre personne avec un consentement clair, ou une voix synthétique) et de choisir une licence non commerciale pour les œuvres issues de modèles qui interdisent l’usage commercial.
Ce que nous n’avons pas pu vérifier
- Qualité de sortie et vitesse. PromptQuorum n’a écouté ni voix ni musique, n’a pas mesuré la vitesse de génération ni testé la fidélité du clonage d’aucun modèle ; le site propose des échantillons audio que nous n’avons pas évalués.
- Maturité du projet. Le dépôt a été créé le 15 septembre 2026 et est publié sous le nom d’un seul développeur, si bien que sa maintenance à long terme est inconnue.
- Conservation des prises. La section Unreleased du journal des modifications indique qu’un correctif empêche la génération de supprimer silencieusement les anciennes prises après dix versions ; nous n’avons pas vérifié si la version 0.8.0 se comporte ainsi, conservez donc des copies des prises dont vous avez besoin.
- Couverture linguistique. Les langues de synthèse prises en charge dépendent du modèle et les sources ne donnent aucun chiffre unique ; nous n’avons testé aucune langue.
- Signature des installateurs. Nous n’avons pas vérifié si les installateurs macOS et Windows sont notarisés ou signés.
Concurrents et alternatives
Voicebox
- Plateformes:
- macOS, Windows (Linux depuis les sources)
- Prix / licence:
- Gratuit / MIT
- Différence principale:
- Clonage vocal, synthèse vocale et dictée Whisper avec serveur MCP ; son test ne mentionne ni génération de musique ni partitions
Articles sur Voicebox (1)
- Voicebox Review: Open-Source Local Voice StudioMis à jour 26 octobre 2026
Également mentionné dans :
- Univocal Review: Read-Aloud and Dictation on Your MacMis à jour 16 novembre 2026
XTTS v2
- Plateformes:
- macOS, Windows, Linux
- Prix / licence:
- Gratuit / CPML
- Différence principale:
- Un seul modèle de clonage utilisé comme bibliothèque, sans studio, musique ni fonctions d’agent
Articles sur XTTS v2 (9)
- XTTS v2 Review: Multilingual Voice Cloning from 6 Seconds of AudioMis à jour 5 septembre 2026
- Best Local TTS Engine for an NVIDIA GPU Setup (2026)Mis à jour 19 novembre 2026
- Local ElevenLabs Alternatives: Piper vs XTTS v2 (2026)Mis à jour 19 novembre 2026
- Local TTS & Voice Cloning Licenses 2026: Which Engines Allow Commercial Use (Piper, XTTS v2, F5-TTS, Coqui)Mis à jour 19 novembre 2026
- Best Local TTS Engine for Mac (2026): What Actually Uses Apple SiliconMis à jour 11 septembre 2026
- Best Local TTS Engine for Raspberry Pi (2026)Mis à jour 11 septembre 2026
- Best TTS for Ollama (2026): Adding Voice Output to a Local LLM SetupMis à jour 11 septembre 2026
- Piper vs Chatterbox TTS (2026): Fast Local Speech or Voice Cloning?Mis à jour 11 septembre 2026
- Piper vs Kokoro TTS (2026): Which Local Voice Engine Should You Use?Mis à jour 11 septembre 2026
+6 autres non affichés
Coqui TTS
- Plateformes:
- macOS, Windows, Linux
- Prix / licence:
- Gratuit / MPL 2.0
- Différence principale:
- Une boîte à outils Python pour exécuter des modèles de synthèse vocale depuis le code, pas un studio de bureau
Articles sur Coqui TTS (6)
- Coqui TTS Review: The Community-Maintained Voice-Cloning ToolkitMis à jour 5 septembre 2026
- Local TTS & Voice Cloning Licenses 2026: Which Engines Allow Commercial Use (Piper, XTTS v2, F5-TTS, Coqui)Mis à jour 19 novembre 2026
- Local Voice & Speech Tools Compared (2026): Text-to-Speech, Speech-to-Text and Voice AgentsMis à jour 13 novembre 2026
- Best Local TTS Engine for Raspberry Pi (2026)Mis à jour 11 septembre 2026
- Bark TTS Review: Suno's MIT-Licensed Model for Laughter, Sighs, and SpeechMis à jour 6 septembre 2026
- XTTS v2 Review: Multilingual Voice Cloning from 6 Seconds of AudioMis à jour 5 septembre 2026
Également mentionné dans :
- Best Local TTS Engine for an NVIDIA GPU Setup (2026)Mis à jour 19 novembre 2026
- Build a Fully Offline Voice Assistant in 2026: Whisper + LLM + Piper (Step-by-Step)Mis à jour 9 novembre 2026
- Willow Inference Server Review: Self-Hosted Whisper ASR and TTSMis à jour 19 septembre 2026
- Best Local TTS Engine for Mac (2026): What Actually Uses Apple SiliconMis à jour 11 septembre 2026
+3 autres non affichés
Bark
- Plateformes:
- macOS, Windows, Linux
- Prix / licence:
- Gratuit / MIT
- Différence principale:
- Un modèle texte-vers-audio utilisé depuis le code, sans clonage de voix propre selon son test
Articles sur Bark (7)
- Bark TTS Review: Suno's MIT-Licensed Model for Laughter, Sighs, and SpeechMis à jour 6 septembre 2026
- Best Local TTS Engine for an NVIDIA GPU Setup (2026)Mis à jour 19 novembre 2026
- Local TTS & Voice Cloning Licenses 2026: Which Engines Allow Commercial Use (Piper, XTTS v2, F5-TTS, Coqui)Mis à jour 19 novembre 2026
- Local Voice & Speech Tools Compared (2026): Text-to-Speech, Speech-to-Text and Voice AgentsMis à jour 13 novembre 2026
- Best Local TTS Engine for Mac (2026): What Actually Uses Apple SiliconMis à jour 11 septembre 2026
- Best TTS for Ollama (2026): Adding Voice Output to a Local LLM SetupMis à jour 11 septembre 2026
- StyleTTS 2 Review: Columbia's MIT-Licensed Research Model for Natural SpeechMis à jour 6 septembre 2026
Également mentionné dans :
- Open-LLM-VTuber Review: Self-Hosted Voice Chat with a Live2D AvatarMis à jour 24 octobre 2026
- Willow Inference Server Review: Self-Hosted Whisper ASR and TTSMis à jour 19 septembre 2026
- Piper vs Kokoro TTS (2026): Which Local Voice Engine Should You Use?Mis à jour 11 septembre 2026
+3 autres non affichés
Ce sont des applications de la même catégorie issues du répertoire PromptQuorum ; vérifiez le prix, la licence et les plateformes actuels de chacune sur sa propre page.
Questions fréquentes
Puis-je l’utiliser depuis un script ou un agent IA ?
Oui : la CLI fonctionne sans l’application de bureau, et un Agent Skill installable permet à un agent de configurer la CLI, le moteur et le modèle. Le serveur et l’API locale de l’application utilisent un jeton bearer préconfiguré plutôt qu’une connexion OAuth, et l’API locale n’est accessible que depuis le même ordinateur.
Par quel modèle commencer ?
Le guide de démarrage suggère Kokoro-82M pour une narration rapide ou VoxCPM2 pour le clonage, et la documentation indique que Kokoro a des voix intégrées et ne clone pas. Nous n’avons pas comparé la qualité de sortie.
Ma langue est-elle prise en charge ?
L’interface compte douze langues, mais la voix dépend du modèle : selon la documentation, IndexTTS 2.5 ajoute le japonais, l’espagnol et l’arabe au chinois et à l’anglais, XTTS v2 couvre 17 langues et Audio8 TTS Realistic 11. Nous n’en avons testé aucune.
L’assistant IA peut-il fonctionner entièrement en local ?
Il peut se connecter à Ollama ou LM Studio sur le même ordinateur, selon la documentation, qui ajoute que les grands modèles écrivent des arrangements nettement meilleurs et que de petits modèles locaux peuvent échouer à la vérification du format.
Les chansons partagées contiennent-elles mes voix de référence ?
Non : selon les conditions de la communauté et le document d’architecture, un paquet partagé contient l’audio, les paroles et les réglages de génération de cette version, mais pas les voix de référence, une personne examine chaque œuvre avant sa publication, et les œuvres partagées peuvent être supprimées dans les réglages de l’application.
Verdict
YoVoice est une solution jeune mais activement développée, sous Apache-2.0, pour générer de la voix, cloner des voix et faire de la musique IA sur votre propre ordinateur, avec une CLI et un serveur MCP qui permettent aux agents de le piloter. Ses affirmations sur le fonctionnement hors ligne proviennent du README et de la documentation plutôt que d’un audit indépendant, le dépôt n’a que deux mois et un seul développeur identifié, plusieurs poids de modèles interdisent l’usage commercial et la version Mac ne couvre qu’Apple silicon. Il convient aux créateurs et aux développeurs qui veulent un outil audio local gratuit et téléchargeront de gros fichiers de modèles ; qui a besoin d’une qualité de sortie démontrée, d’une clarté sur l’usage commercial de chaque modèle ou d’une politique de données vérifiée devrait le tester et lire d’abord la licence de chaque modèle.
Sources
- Site web de YoVoice — description, plateformes et téléchargements.
- Conditions de la communauté YoVoice — règles de partage, consentement vocal, droit applicable et données conservées, en vigueur depuis le 12 novembre 2026.
- YoVoice sur GitHub — README, licence Apache-2.0 et notes sur les licences de modèles.
- Version 0.8.0 de YoVoice — version, date et fichiers d’installation.
- Guide de choix des modèles — modèles, entrées, langues et tailles de fichiers.
- Guide du service IA — fournisseurs de l’assistant, stockage des clés et limites.
- Guide API et MCP — serveur, API locale et outils MCP.
- Guide de la CLI — installation de la CLI et backends.
- Notes d’architecture — processus, usage du réseau et dossier de données.
- Journal des modifications — changements de la version 0.8.0 et correctifs non publiés.
