PowerBeef/Vocello

解决的问题

Vocello 是一个本地优先、私有的语音工作室，让用户可以在 Apple 设备上从文本生成高质量语音。它消除了对云端 TTS 服务、账号和积分的需求，确保所有脚本和录音永远不会离开设备。

运作方式

此应用程序使用基于 MLX 的原生 Swift 运行时，在本地运行 Qwen3-TTS 模型。它避免使用 Python 包装器或本地服务器，而是利用第一方引擎流式传输音频块，以保持内存使用量低且平稳，无论输出长度如何。它支持三种主要模式：使用内置语音、通过自然语言描述设计语音，以及从音频参考克隆语音。

适用对象

使用 Apple Silicon Mac（macOS 26+）和 iPhone 15 Pro 或更新机型（iOS 26+）的内容创作者和开发者，需要高性能、私有、设备上的文本转语音生成。

重点特色

• 本地优先隐私：所有生成、历史记录和语音数据都存储在本地；不会将任何数据发送到云端服务器。
• 语音设计与克隆：能够从文本描述创建语音，或从音频文件（WAV、MP3、AIFF、M4A、FLAC）克隆现有语音。
• 多语言支持：自动检测十种语言，包括英文、中文、日文、韩文、德文、法文、俄文、葡萄牙文、西班牙文和意大利文。
• 高性能：针对 Apple Silicon 优化，在 8GB M2 Mac 上实现比实时更快的生成速度。
• 长篇项目：通过将超过 900 字符的脚本分段流式传输，依序合并成单个完成文件。
• AI 水印：在 WAV 文件中包含听不见的 AudioSeal 水印和来源注释（版本 3.0）。