逐段准备中文配音
QwenVoice 将参考音频记录、中文句子切分和单段语音命令连接起来。say 路径使用配置的 Qwen3-TTS 产物；长篇 book 与 redraw 命令尚未实现。
配音流程需要明确每个输出对应的文本片段、参考录音和模型文件。QwenVoice 显式记录这些输入，本地切分器则让你在尝试合成前先检查中文句子边界。
- 检查分段边界 — 切分器按软字符上限聚合完整句子。
- 记录参考音频标识 — VoiceLock 对参考字节与转录文本计算哈希，并记录模型路径。
- 分开处理音频阶段 — 合成返回 PCM，渲染阶段转换音频并写入文件。
segment.py 提供单段与长文切分函数。VoiceLock 检查参考音频和模型路径，并为参考内容生成指纹。synth_segment 尝试 qt3_* FFI 接口，FFI 不可用时使用配置的 HTTP 语音端点。render.py 处理返回 PCM 和 MP3 输出。
| 组件 | 职责 |
|---|---|
Chinese text |
sentence-boundary segments |
VoiceLock |
reference and artifact paths |
Synth adapter |
FFI or HTTP speech |
Audio renderer |
PCM to MP3 |
文本演示需要 Python 3.12+ 和 uv。语音合成另需兼容 talker/codec GGUF 文件、FFI 库或配置端点、可用参考音频，以及用于 MP3 渲染的 FFmpeg。
git clone https://github.com/SuperMarioYL/qwenvoice.git
cd qwenvoice
uv venv --python 3.12
source .venv/bin/activate
uv pip install -e .完整离线示例对给定中文文本运行 segment_long_text，并核对该样本的分段拼接可还原输入。不会生成音频。
.venv/bin/python examples/presentation_demo.py
The local segmenter returns three ordered segments and preserves this example’s text.
{
"input": "缓存保存可复用的结果。数据变化后需要失效。接下来，为每类数据选择有效期。",
"soft_limit": 18,
"segments": [
{
"id": 1,
"text": "缓存保存可复用的结果。"
},
{
"id": 2,
"text": "数据变化后需要失效。"
},
{
"id": 3,
"text": "接下来，为每类数据选择有效期。"
}
]
}
Input preserved: True
Scope: sentence-boundary text segmentation only; no voice cloning or audio synthesis.
完整命令与输出保存在 docs/demo-results.json. 输入和复现代码均随仓提供。
运行音频命令前，应将产物和录音路径替换为真实兼容文件。init 报告可用性并写入 ~/.qwenvoice/config.yml；即使产物缺失也可能写配置。say 锁定输入并合成单段。请使用有权用于合成的参考音频。
.venv/bin/qwenvoice init --talker ./models/talker.gguf --codec ./models/codec.gguf --ffi-lib ./libgoqwen3ttscpp.dylib
.venv/bin/qwenvoice say --voice ./reference.wav --ref-text "参考录音的准确转录" --text "你好，欢迎收听。" --out ./hello.mp3YAML 配置包含 talker_gguf、codec_gguf、ffi_lib_path、http_fallback_url、sample_rate、channels、seed 和 max_chars_per_segment。HTTP 基础地址通过 init --http-fallback http://127.0.0.1:8000 配置；say 没有 --http-fallback 参数。实现会追加 /v1/audio/speech，且不强制回环 URL，因此端点是否本地由操作员配置决定。
Python 包不包含模型权重或 FFI 库。参考哈希用于识别输入变化，不能保证音色相似度或音频确定性。语音端点需理解请求中的参考路径和转录字段。
| 路径 | 已实现职责 |
|---|---|
| Chinese text | local sentence splitter |
| Reference audio | recording plus transcript |
| GGUF artifacts | talker and codec paths |
| FFI / HTTP | configured synthesis adapters |
| FFmpeg / pydub | audio rendering helpers |
- book 和 redraw 是返回 64 的占位入口，完整长篇配音与局部重绘流程尚未实现。
- 单个长句可能超过软上限。当前切分器基于标点，并未使用 jieba 词边界。
- 本示例仅验证文本切分，未测试原生 ABI 兼容性、音色质量或音频输出。
已实现产物发现、参考指纹、单段合成适配器及文本音频辅助模块。后续是兼容运行时验证、长篇编排和具有实测音频一致性的局部重绘。当前示例不构成音色质量或重绘字节一致的承诺。
许可见 LICENSE. 反馈问题时请提供最小输入、执行命令和实际输出。