SuperAPI AI 工具集

wjs-voicedrop-reading-aloud

写作与研究

查看项目

更新于 10-15 23:32

技能介绍

用途:把一段文字、文件、URL 或 VoiceDrop 文章转成有声书 mp3。它不是照字念,而是先编排再合成:按内容性质分配不同音色、关键转折处加语音指令,最后用火山引擎豆包 seed-tts-2.0 合成。

主要能力与流程:先取内容通读,标记正文叙述、引用、大白话吐槽、数据列表、标题等类别;再重写为朗读脚本(属再创作而非转录),去掉 markdown、链接、图片说明、脚注,把表格列表数据改成口语句子,标题化入过渡句,长书面句改口语但保留作者用词;按内容性质分配 2~3 个音色封顶,切换只发生在内容性质真正变化处;克制地加表演提示,每 3~5 句最多一处。脚本用 @voice 定义音色、@narrator/@quote 等分段,标注用【】或 []。

使用方式:先 source ~/code/.env,再运行 python3 ~/code/volcano-tts/tts.py -f script.txt --script -o out.mp3 -i "全局基调指令",-i 必带,--speech-rate、--subtitle 按需;用 afinfo 校验时长,必要时用 volc_asr_stream.py 抽查。

限制与坑:绝不可把带标注文本直接喂裸 API,必须走 tts.py;只能用 _uranus_bigtts 后缀的 2.0 音色,否则报 resource ID is mismatched;指令需戏剧化情绪化才有效,含蓄或机械指令跟随很弱;段内指令须独占一条,切段太碎会造成语气断裂;合成前应把脚本给用户确认,headless 场景可跳过。其余细节资料未提供。