PowerBeef/Vocello

它解决了什么问题

Vocello 是一款专为 macOS 和 iOS 设计的本地优先、高性能的文本转语音（TTS）工作室。它通过在 Apple Silicon 硬件上直接运行生成式 AI 语音模型，彻底消除了对云端积分、账户和外部服务器的需求，确保所有脚本和录音都完全保留在用户的设备上，实现真正的隐私保护。

它如何工作

该应用使用基于 MLX（Apple 的机器学习框架）构建的原生 Swift 运行时来执行 Qwen3-TTS 模型。与许多依赖 Python 包装器的本地 TTS 工具不同，Vocello 使用专用的内部运行时（VocelloQwen3Core）来生成音频。它支持三种主要工作流程：使用内置语音、通过自然语言描述设计新语音，以及从音频参考中克隆现有语音。

适合谁使用

专为搭载 Apple Silicon 的 Mac（macOS 26+）和 iPhone 15 Pro 或更新机型（iOS 26+）的用户设计，适用于需要高质量、私密语音生成的脚本创作、长篇项目以及自定义语音角色的场景。

主要特性

• 本地优先的隐私保护：所有生成内容、历史记录和语音参考均本地存储；数据不会离开设备。
• 语音设计与克隆：可通过文本描述创建语音，或从音频文件/录音中克隆语音。
• 高性能表现：针对 Apple Silicon 优化，即使在 8GB 内存设备上也能实现超实时生成速度。
• 长文本支持：通过流式处理分段内容，可处理超过 900 个字符的脚本，保持内存占用始终处于低位。
• 多语言支持：支持十种语言，包括英语、中文、日语、韩语、德语、法语、俄语、葡萄牙语、西班牙语和意大利语。
• 确定性输出：支持种子固定，确保音频生成结果可复现。