一款執行在本地的語音複製桌面應用。下載即用，無需聯網即可完成高品質語音合成與聲音複製！
Windows 推理僅支援 NVIDIA 顯示卡
- 完全離線 — 模型下載完成後，所有推理在本地完成，無需聯網，無隱私顧慮
- 開箱即用 — 首次啟動自動完成環境檢測、執行時下載、模型下載與預熱，無需任何手動配置
- 高品質語音複製 — 基於 VoxCPM 引擎，支援中英雙語語音合成與聲音複製
- 精細可控 — CFG 引導強度、推理步數、種子值、文字歸一化、後處理降噪等參數均可調節
- 極致複製模式 — 使用參考音訊的轉錄文字進一步提升聲音還原度
- 內建 ASR — 使用 SenseVoice 小型 ONNX 模型（ONNX Runtime，CPU）將參考音訊轉錄為文字，支援手動編輯校正
- 雙源模型下載 — 支援從 Hugging Face 或 ModelScope 下載模型，自動推薦最佳源
- 三語介面 — 支援繁體中文、簡體中文和英文
| 項目 | macOS | Windows |
|---|---|---|
| 版本 | macOS 14.0 (Sonoma) 及以上 | Windows 10 22H2 / Windows 11（x86_64） |
| 晶片 | Apple Silicon (M1/M2/M3/M4) | Intel/AMD x86_64（需 NVIDIA GPU） |
| 磁碟空間 | 約 6 GB（應用 + 模型） | 約 11 GB（應用 + 模型 + CUDA runtime；runtime 下載約 2.5 GB） |
| 推理後端 | 預設 MPS（Apple Silicon） | CUDA（需 NVIDIA GPU） |
macOS
- 前往 Releases 頁面，下載最新版本的
.dmg檔案 - 開啟 DMG，將 Voca 拖入「應用程式」資料夾
- 首次開啟時，按照引導完成模型下載即可開始使用
Windows
- 前往 Releases 頁面，下載最新的
Voca-x.y.z-x64-setup.exe - 雙擊安裝包（按使用者安裝，無需管理員權限），安裝完成後從開始功能表啟動 Voca
- 首次啟動時，引導流程會自動下載 CUDA runtime（下載約 2.5 GB，支援斷點續傳）
注意： CUDA runtime 安裝需要約 5 GB 的額外可用磁碟空間，請確保安裝前磁碟空間充足。
關於 App 簽名與公證
Voca 已透過 Apple Developer ID 簽名，並已提交 Apple 公證（Notarization）審核透過，可在 macOS 上安全執行。
如果首次開啟時仍然遇到 macOS Gatekeeper 攔截（例如提示「"Voca" 無法開啟」「已損壞，無法開啟」或「無法驗證開發者」），通常是因為系統對從瀏覽器下載的檔案新增了隔離屬性（quarantine）。可在終端執行以下命令解除隔離：
sudo xattr -dr com.apple.quarantine /Applications/Voca.app執行後重新開啟 Voca 即可。如果仍有問題，也可以在「系統設定 → 隱私與安全性」中點選「仍要開啟」來放行。
Voca 內建了完整的初始化引導流程：
環境檢測 → 執行時下載 → 模型下載與驗證 → 模型預熱 → 進入工作區
整個過程只需跟隨引導點選即可，無需任何手動配置。
輸入文字，選擇模型和聲音，一鍵生成高品質語音。支援佇列化任務管理，可同時提交多個生成請求。
可調節的生成參數：
| 參數 | 說明 |
|---|---|
| CFG Scale | 控制生成的引導強度 |
| 推理步數 | 平衡生成品質與速度 |
| 種子值 | 固定種子可復現結果，也可隨機生成 |
| 文字歸一化 | 自動處理數字、縮寫等文字規範化 |
| 後處理降噪 | 生成後自動去除背景噪聲 |
| 極致複製模式 | 使用參考音訊的轉錄文字，進一步提升聲音複製的還原度 |
管理預設與自訂聲音。建立自訂聲音時可上傳參考音訊，應用內建 SenseVoice ONNX 辨識器自動轉錄參考音訊文字，轉錄結果支援手動編輯校正。
檢視所有生成任務的狀態（排隊中 / 生成中 / 已完成 / 失敗 / 已取消），已完成的任務可直接播放試聽並匯出音訊檔案。
內建模型目錄，支援從 Hugging Face 或 ModelScope 下載模型，根據網路環境自動推薦最佳下載源。可管理 TTS 主模型及輔助模型（ASR、音訊增強）。
在設定中可檢查新版本，有更新時自動跳轉到對應 Release 頁面下載。
| 層級 | 技術 |
|---|---|
| 桌面框架 | Tauri 2 (Rust) |
| 前端 | React 19 + TypeScript + Vite |
| 推理服務 | Python (FastAPI + Uvicorn) sidecar |
| 語音引擎 | VoxCPM |
| 執行時 | Python 3.11+ |
| 平台 | macOS 14.0+ (Apple Silicon) |
以下是 Voca 後續的開發方向，優先順序可能根據社群反饋調整。
- 更輕量的模型推理後端 — 已將 ASR 從 PyTorch/FunASR 遷移至 ONNX Runtime（
iic/SenseVoiceSmall-onnx，INT8），大幅減少 App 體積和模型下載大小 - 量化模型支援 — 引入 INT8 等量化推理，降低記憶體佔用與磁碟空間需求
- 更豐富的 TTS 功能 — 支援更多 TTS 模型和更豐富的語音合成能力
- Windows 端更輕量的資源佔用 — 降低 Windows 端的磁碟與記憶體佔用，優化整體體積
- Windows 平台支援（x86_64，NSIS 安裝器，可選 CUDA 升級）
有想法或建議？歡迎透過 Issues 告訴我們。
注意： Voca 目前仍處於早期開發階段，工程化體驗（構建流程、開發文件、程式碼結構等）可能還不夠完善。如果你在使用或開發過程中遇到任何問題，非常歡迎提 Issue 或直接參與貢獻，一起把它變得更好。
你可以透過以下方式參與：
- 提交 Bug 報告或功能建議 → Issues
- 提交程式碼改進 → Pull Request
- 完善文件或翻譯
- 目前支援 macOS（Apple Silicon）和 Windows x86_64；Linux 暫無支援計畫
- 首次啟動需聯網下載模型（約 1-2 GB），之後可完全離線使用
- 語音複製效果受參考音訊品質影響較大，建議使用清晰、無背景噪聲的音訊
- VoxCPM — 語音合成引擎
- Tauri — 桌面應用框架
- SenseVoice — 語音識別模型
- Model: Claude Opus 4.6 & GPT-5.4
本專案基於 Apache License 2.0 開源。