Voca — 本地语音克隆桌面助手

English | 简体中文 | 繁體中文

一款运行在本地的语音克隆桌面应用。下载即用，无需联网即可完成高质量语音合成与声音克隆！

  

_{Windows 推理仅支持 NVIDIA 显卡}

---

应用截图

 

Highlights

• 完全离线 — 模型下载完成后，所有推理在本地完成，无需联网，无隐私顾虑
• 开箱即用 — 首次启动自动完成环境检测、运行时下载、模型下载与预热，无需任何手动配置
• 高质量语音克隆 — 基于 VoxCPM 引擎，支持中英双语语音合成与声音克隆
• 精细可控 — CFG 引导强度、推理步数、种子值、文本归一化、后处理降噪等参数均可调节
• 极致克隆模式 — 使用参考音频的转录文本进一步提升声音还原度
• 内置 ASR — 使用 SenseVoice 小型 ONNX 模型（ONNX Runtime，CPU）将参考音频转录为文本，支持手动编辑校正
• 双源模型下载 — 支持从 Hugging Face 或 ModelScope 下载模型，自动推荐最优源
• 三语界面 — 支持简体中文、繁体中文和英文

目录

• 快速开始
• 功能介绍
• 技术栈
• Roadmap
• Contributing
• 已知限制
• 致谢
• 许可证

快速开始

系统要求

项目	macOS	Windows
版本	macOS 14.0 (Sonoma) 及以上	Windows 10 22H2 / Windows 11（x86_64）
芯片	Apple Silicon (M1/M2/M3/M4)	Intel/AMD x86_64（NVIDIA GPU 可选）
磁盘空间	约 6 GB（应用 + 模型）	CPU 版约 6 GB；如升级到 CUDA 再增加约 2.5 GB
推理后端	默认 MPS（Apple Silicon）	默认 CPU；可在设置中按需升级到 CUDA

安装

macOS

1. 前往 Releases 页面，下载最新版本的 .dmg 文件
2. 打开 DMG，将 Voca 拖入「应用程序」文件夹
3. 首次打开时，按照引导完成模型下载即可开始使用

Windows

1. 前往 Releases 页面，下载最新的 Voca-x.y.z-x64-setup.exe
2. 双击安装包（按用户安装，无需管理员权限），安装完成后从开始菜单启动 Voca
3. 默认发布的是 CPU 版；若检测到 NVIDIA 显卡，可在「设置 → 推理后端」中一键升级到 CUDA（下载约 2.5 GB，支持断点续传，失败会自动回退）

关于 App 签名与公证

Voca 已通过 Apple Developer ID 签名，并已提交 Apple 公证（Notarization）审核通过，可在 macOS 上安全运行。

如果首次打开时仍然遇到 macOS Gatekeeper 拦截（例如提示「"Voca" 无法打开」「已损坏，无法打开」或「无法验证开发者」），通常是因为系统对从浏览器下载的文件添加了隔离属性（quarantine）。可在终端执行以下命令解除隔离：

bash sudo xattr -dr com.apple.quarantine /Applications/Voca.app

执行后重新打开 Voca 即可。如果仍有问题，也可以在「系统设置 → 隐私与安全性」中点击「仍要打开」来放行。

首次启动

Voca 内置了完整的初始化引导流程：

环境检测 → 运行时下载 → 模型下载与校验 → 模型预热 → 进入工作台

整个过程只需跟随引导点击即可，无需任何手动配置。

功能介绍

语音生成工作台

输入文本，选择模型和声音，一键生成高质量语音。支持队列化任务管理，可同时提交多个生成请求。

可调节的生成参数：

参数	说明
CFG Scale	控制生成的引导强度
推理步数	平衡生成质量与速度
种子值	固定种子可复现结果，也可随机生成
文本归一化	自动处理数字、缩写等文本规范化
后处理降噪	生成后自动去除背景噪声
极致克隆模式	使用参考音频的转录文本，进一步提升声音克隆的还原度

声音库

管理预设与自定义声音。创建自定义声音时可上传参考音频，应用内置 SenseVoice ONNX 识别器自动转录参考音频文本，转录结果支持手动编辑校正。

生成历史

查看所有生成任务的状态（排队中 / 生成中 / 已完成 / 失败 / 已取消），已完成的任务可直接播放试听并导出音频文件。

模型管理

内置模型目录，支持从 Hugging Face 或 ModelScope 下载模型，根据网络环境自动推荐最优下载源。可管理 TTS 主模型及辅助模型（ASR、音频增强）。

应用内更新检查

在设置中可检查新版本，有更新时自动跳转到对应 Release 页面下载。

技术栈

层级	技术
桌面框架	Tauri 2 (Rust)
前端	React 19 + TypeScript + Vite
推理服务	Python (FastAPI + Uvicorn) sidecar
语音引擎	VoxCPM
运行时	Python 3.11+
平台	macOS 14.0+ (Apple Silicon)

Roadmap

以下是 Voca 后续的开发方向，优先级可能根据社区反馈调整。

• [x] 更轻量的模型推理后端 — 已将 ASR 从 PyTorch/FunASR 迁移至 ONNX Runtime（iic/SenseVoiceSmall-onnx，INT8），大幅减少 App 体积和模型下载大小
• [ ] 量化模型支持 — 引入 INT8 等量化推理，降低内存占用与磁盘空间需求
• [ ] 更丰富的 TTS 功能 — 支持更多 TTS 模型和更丰富的语音合成能力
• [ ] Windows 端更轻量的资源占用 — 降低 Windows 端的磁盘与内存占用，优化整体体积
• [x] Windows 平台支持（x86_64，NSIS 安装器，可选 CUDA 升级）

有想法或建议？欢迎通过 Issues 告诉我们。

Contributing

注意： Voca 目前仍处于早期开发阶段，工程化体验（构建流程、开发文档、代码结构等）可能还不够完善。如果你在使用或开发过程中遇到任何问题，非常欢迎提 Issue 或直接参与贡献，一起把它变得更好。

你可以通过以下方式参与：

• 提交 Bug 报告或功能建议 → Issues
• 提交代码改进 → Pull Request
• 完善文档或翻译

已知限制

• 当前支持 macOS（Apple Silicon）和 Windows x86_64；Linux 暂无支持计划
• 首次启动需联网下载模型（约 1-2 GB），之后可完全离线使用
• 语音克隆效果受参考音频质量影响较大，建议使用清晰、无背景噪声的音频

致谢

• VoxCPM — 语音合成引擎
• Tauri — 桌面应用框架
• SenseVoice — 语音识别模型
• Model: Claude Opus 4.6 & GPT-5.4

许可证

本项目基于 Apache License 2.0 开源。

---