PowerBeef/Vocello

What it solves

Vocelloは、macOSおよびiOS向けの、ローカルファーストで高性能なテキスト読み上げ（TTS）スタジオです。Apple Siliconハードウェア上で生成AI音声モデルを直接実行することで、クラウドベースのクレジット、アカウント、外部サーバーの必要性を排除し、すべてのスクリプトと録音内容がユーザーのデバイス上でプライバシーを維持することを保証します。

How it works

このアプリケーションは、MLX（Appleの機械学習フレームワーク）上に構築されたネイティブSwiftランタイムを使用して、Qwen3-TTSモデルを実行します。Pythonラッパーに依存する多くのローカルTTSツールとは異なり、Vocelloはオーディオを生成するために特化されたファーストパーティランタイム（VocelloQwen3Core）を使用します。主に3つのワークフローをサポートしています：組み込み音声の使用、自然言語による記述を通じた新しい音声のデザイン、およびオーディオリファレンスからの既存音声のクローニングです。

Who it’s for

Apple Silicon Mac（macOS 26+）およびiPhone 15 Pro以降（iOS 26+）を使用しており、スクリプト、長編プロジェクト、およびカスタム音声ペルソナのために、高品質でプライベートな音声生成を必要とするユーザー向けに設計されています。

Highlights

• Local-First Privacy: すべての生成、履歴、および音声リファレンスはローカルに保存されます。データがデバイスを離れることはありません。
• Voice Design & Cloning: テキストによる記述から音声を作成したり、オーディオファイル/録音からクローンを作成したりできます。
• High Performance: Apple Silicon向けに最適化されており、8GB RAMのデバイスでも実時間以上の高速な生成を実現します。
• Long-form Support: セグメントをストリーミングすることでメモリ使用量を一定に保ち、900文字を超えるスクリプトを処理できます。
• Multilingual: 英語、中国語、日本語、韓国語、ドイツ語、フランス語、ロシア語、ポルトガル語、スペイン語、イタリア語を含む10言語をサポートしています。
• Deterministic Output: 再現可能なオーディオテイクのために、シード固定（seed pinning）をサポートしています。