Aller au contenu principal
PromptQuorumConçu pour les humains. Structuré pour l'IA.
Accueil/LLM locaux avancés
Voice, Speech & Multimodal

Test de YoVoice : studio local de clonage vocal et de musique

·7 min de lecturePar · Fondateur de PromptQuorum · Moteur de découverte de l'IA open-weight et open source

YoVoice (version 0.8.0) est un studio de bureau sous Apache-2.0 qui réunit synthèse vocale, clonage de voix, génération de chansons par IA et écriture de partitions, et son auteur affirme que la génération s’exécute hors ligne sur votre propre ordinateur. Il fournit aussi une CLI, une API HTTP locale et un serveur MCP pour les agents, et chaque affirmation de ce test provient du site de l’auteur, de la documentation et du dépôt GitHub.

Points clés

  • Maintenance : la branche principale a été modifiée pour la dernière fois le 17 novembre 2026 et la version 0.8.0 a été publiée le 15 novembre 2026, donc aucun avertissement de projet abandonné ne s’applique.
  • Coût : gratuit sous licence Apache-2.0, aucune offre payante trouvée ; de nombreux poids de modèles téléchargeables ont leurs propres conditions.
  • Modèles : selon le README, tous les modèles de voix, de musique et de transcription se téléchargent dans l’application ou avec la CLI.
  • Plateformes : installateurs pour macOS, Windows et Linux, plus une archive CLI autonome pour chacun.
  • Auteur : un développeur individuel, leemysw ; aucune mention légale d’entreprise trouvée.

📍 En une phrase

YoVoice est un studio de bureau open source qui transforme le texte en voix, clone et conçoit des voix, génère des chansons et des partitions avec des modèles locaux et offre aux agents IA une CLI, une API et un serveur MCP.

💬 En termes simples

Voyez-le comme une cabine d’enregistrement et un petit studio de musique réunis dans un seul programme, avec le travail effectué sur votre propre machine plutôt que dans un service par abonnement.

📌Remarque: Ce test s’appuie sur yovoice.leemysw.com, le dépôt GitHub, sa documentation et la page des versions, consultés le 17 novembre 2026. PromptQuorum n’a ni installé ni exécuté l’application, donc la qualité de la voix, la qualité de la musique et la vitesse ne sont pas évaluées.

YoVoice (écrit « yovoice » par son auteur) est un studio de bureau open source qui génère de la voix, clone et conçoit des voix, et crée des chansons et des partitions avec des modèles exécutés sur votre propre ordinateur. Il propose aussi une ligne de commande, une API HTTP et un serveur MCP pour les agents IA, et l’application est gratuite sous licence Apache-2.0. Ce test s’appuie sur le site web, le dépôt GitHub, sa documentation et la page des versions, consultés le 17 novembre 2026 ; PromptQuorum n’a pas testé l’application en conditions réelles.

Test de YoVoice : studio local de clonage vocal et de musique

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
WindowsInstallateur .exe pour x64, avec variantes CUDA 12.4 et 13.3 : GitHub Releases
Linux.deb (Debian/Ubuntu) ou .tar.gz pour x64 : GitHub Releases
CLIZip autonome par système : guide de la CLI
Site webyovoice.leemysw.com
Politique de confidentialitéAucune trouvée ; seules existent les conditions de la communauté
Code sourcegithub.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)

Également mentionné dans :

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)

+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)

Également mentionné dans :

+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)

Également mentionné dans :

+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.

Comparer dans l'annuaire

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

← Retour aux LLM locaux avancés

MCP