PowerBeef/Vocello

它解決的問題

Vocello 是一款針對 macOS 和 iOS 的本地優先、高性能語音合成（TTS）工作室。它透過在 Apple Silicon 硬體上直接執行生成式 AI 語音模型，消除了對雲端憑證、帳戶和外部伺服器的需求，確保所有腳本和錄音都保留在使用者的裝置上，完全私密。

如何運作

該應用程式使用基於 MLX（Apple 的機器學習框架）的原生 Swift 執行環境，來執行 Qwen3-TTS 模型。與許多依賴 Python 包裝器的本地 TTS 工具不同，Vocello 使用專用的第一方執行環境（VocelloQwen3Core）來生成音訊。它支援三種主要工作流程：使用內建語音、透過自然語言描述設計新語音，以及從音訊參考中克隆現有語音。

適用對象

適用於使用 Apple Silicon Mac（macOS 26+）或 iPhone 15 Pro 及更新型號（iOS 26+）的使用者，他們需要為腳本、長篇專案和自訂語音角色生成高品質且私密的語音。

主要特色

• 本地優先的隱私保護：所有生成內容、歷史記錄和語音參考均儲存在本地；無資料離開裝置。
• 語音設計與克隆：可根據文字描述建立語音，或從音訊檔案/錄音中克隆語音。
• 高效率性能：針對 Apple Silicon 優化，即使在 8GB RAM 裝置上也能實現快於即時的生成速度。
• 支援長篇內容：透過串流處理片段，可處理超過 900 字元的腳本，維持平坦的記憶體使用量。
• 多語言支援：支援十種語言，包括英文、中文、日文、韓文、德文、法文、俄文、葡萄牙文、西班牙文和義大利文。
• 可重現輸出：支援種子鎖定，確保音訊輸出可重複產生。