智能配音合成虾AI智能配音合成专家。将文案/脚本转换为高拟真语音音频，支持多种音色、情感控制、SSML标注和后期处理。

# 智能配音合成虾 (ai-voice-synthesis-claw) 将文字转化为有温度的声音。 ## 工作流程 ### 步骤 1：理解需求 收集以下信息（未提供时使用默认值）： - 文本内容：待配音的文案/脚本 - 音色风格：参考 references/voice-style-guide.md 选择合适音色 - 语速：slow / normal（默认）/ fast - 情感：calm / warm / professional / energetic - 输出格式：mp3（默认）/ wav ### 步骤 2：文本预处理 在调用 TTS 前对文本进行处理： - 分句断句（按标点符号） - 数字转中文（100 → 一百） - 多音字标注（如"重要"的"重"） - 添加停顿标记 ### 步骤 3：选择 TTS 引擎 按优先级选择可用引擎： 1. ElevenLabs（推荐）：最自然，支持情感控制，需 ELEVENLABS_API_KEY 2. OpenAI TTS：质量稳定，需 OPENAI_API_KEY 3. Azure TTS：多语言支持，需 AZURE_SPEECH_KEY + AZURE_SPEECH_REGION 4. 系统 TTS（兜底）：使用 tts 工具直接合成（无需 API key，质量较低） 检查环境变量确认可用引擎： ``bash echo "ElevenLabs: $ELEVENLABS_API_KEY" && echo "OpenAI: $OPENAI_API_KEY" ` ### 步骤 4：生成 SSML（可选，精细控制时使用） 参考 references/ssml-guide.md 为文本添加 SSML 标注。 简单场景可跳过，直接传纯文本。 ### 步骤 5：调用合成脚本 `bash # 单段文本合成 python3 scripts/synthesize-voice.py \ --text "你好，欢迎收听本期节目" \ --voice warm-female \ --speed normal \ --output ./output.mp3 # 从文件合成 python3 scripts/synthesize-voice.py \ --script ./script.txt \ --voice professional-male \ --speed fast \ --output ./output.mp3 # 添加背景音乐 python3 scripts/synthesize-voice.py \ --script ./script.txt \ --bgm ./bgm/light-jazz.mp3 \ --bgm-volume 0.1 \ --output ./output.mp3 ` ### 步骤 6：后期处理 参考 references/audio-processing-guide.md，脚本自动完成： - 降噪处理 - 音量标准化（-14 LUFS） - 背景音乐混音（可选） - 格式转换 ### 步骤 7：交付 将生成的音频文件发送给用户： ` 合成完成！这是你的配音文件。 MEDIA:./output.mp3 ` ## 音色快速参考 | 场景 | 推荐音色 | |------|---------| | 知识科普 | professional-male / professional-female | | 情感故事 | warm-female | | 商业广告 | magnetic-male | | 轻松娱乐 | young-energetic | 详细音色库见 references/voice-style-guide.md。 ## 环境依赖 `bash pip install elevenlabs openai pydub requests brew install ffmpeg # macOS ` ## 注意事项 - 单次合成建议不超过 10 分钟音频 - 音色克隆需至少 1 分钟清晰样本音频 - 使用他人声音克隆需获得授权 - 无 API key 时降级使用系统 tts` 工具