集成多种先进语音合成服务的开源运营项目

综合介绍

Open-VoiceCanvas 是一个开源的语音合成平台，由 ItusiAI 团队开发。它支持超过 50 种语言，可以将文字转为自然语音，还能通过上传音频克隆个性化声音。项目整合了 OpenAI TTS、AWS Polly 和 MiniMax 三种语音服务，提供多种音色选择和语速调节。代码 100% 开源，托管在 GitHub 上，用户可以免费下载和修改。它还支持谷歌和 GitHub 登录，以及 Stripe 支付，方便解锁高级功能。这个工具适合开发者、内容创作者和普通用户使用。

功能列表

• 支持 50 多种语言的文本转语音转换。
• 提供多种语音服务：OpenAI TTS（自然语音）、AWS Polly（多语言）、MiniMax（中文优化）。
• 支持男声和女声选择，可调节语速。
• 提供声音克隆功能，用户可上传音频创建个性化音色。
• 支持文本文件上传和音频文件下载，处理长文本无压力。
• 集成谷歌和 GitHub 登录，支持多语言界面和深色/浅色主题。
• 通过 Stripe 提供订阅服务，包括免费试用、按月/按年付费和按量计费。

使用帮助

Open-VoiceCanvas 是一个功能强大的开源工具。以下是详细的安装和使用指南，帮助你快速上手。

安装流程

1. 准备环境
   在开始前，确保电脑安装以下工具：
   • Git：用于下载代码。
   • Node.js（建议 18.x 或以上）：运行前端和后端。
   • npm：Node.js 的包管理工具。
     检查是否安装：

git --version
node --version
npm --version

如果缺少，可以去官方网站下载安装。

2. 克隆代码
   打开终端，输入以下命令下载项目：

git clone https://github.com/ItusiAI/Open-VoiceCanvas.git

进入项目目录：

cd Open-VoiceCanvas

3. 安装依赖
   运行以下命令安装所需库：

npm install

如果网络慢，可用国内镜像：

npm install --registry=https://registry.npmmirror.com

4. 配置环境变量
   在项目根目录创建 .env 文件，添加以下配置（需替换为自己的密钥）：

# OpenAI
OPENAI_API_KEY="your_openai_api_key"
# AWS Polly
NEXT_PUBLIC_AWS_REGION="us-east-1"
NEXT_PUBLIC_AWS_ACCESS_KEY_ID="your_aws_access_key_id"
NEXT_PUBLIC_AWS_SECRET_ACCESS_KEY="your_aws_secret_access_key"
# MiniMax
MINIMAX_API_KEY="your_minimax_api_key"
MINIMAX_GROUP_ID="your_minimax_group_id"
# 数据库
DATABASE_URL="your_neon_db_url"
# Stripe
STRIPE_SECRET_KEY="your_stripe_secret_key"
NEXT_PUBLIC_STRIPE_PUBLISHABLE_KEY="your_stripe_publishable_key"
STRIPE_WEBHOOK_SECRET="your_stripe_webhook_secret"
# NextAuth
NEXTAUTH_URL="http://localhost:3000"
NEXTAUTH_SECRET="your_nextauth_secret"
# OAuth
GITHUB_ID="your_github_client_id"
GITHUB_SECRET="your_github_client_secret"
GOOGLE_ID="your_google_client_id"
GOOGLE_SECRET="your_google_client_secret"

这些密钥需要从对应服务官网获取，比如 OpenAI、AWS、MiniMax、Neon、Stripe 和 GitHub/Google OAuth。

5. 运行数据库迁移
   配置好数据库后，运行：

npx prisma migrate dev

这会初始化 PostgreSQL 数据库。

6. 启动程序
   输入以下命令启动开发服务器：

npm run dev

启动后，浏览器访问 http://localhost:3000，即可看到界面。

主要功能操作

文本转语音

1. 打开网页，登录后进入主界面。
2. 在“文本输入”框输入文字，比如“你好，今天是星期三”。
3. 选择语言（支持 50 多种，如中文、英文、日文等）。
4. 选择语音服务：OpenAI TTS、AWS Polly 或 MiniMax。
5. 挑选音色（男声或女声，比如 OpenAI 的 “nova” 或 AWS 的 “Joanna”）。
6. 调整语速（范围 0.5-2.0，1.0 为正常速度）。
7. 点击“生成”，几秒后可预览音频。
8. 点击“下载”保存为 MP3 文件。

声音克隆

1. 进入“声音克隆”页面。
2. 点击“上传音频”，选择一段 10-20 秒的清晰音频（WAV 或 MP3 格式）。
3. 输入音色名称，比如“我的声音”。
4. 点击“克隆”，等待 1-2 分钟处理完成。
5. 克隆成功后，新音色会出现在音色列表。
6. 返回文本转语音页面，选择克隆音色，输入文字生成语音。

文件处理

1. 在主界面点击“上传文本文件”。
2. 选择一个 .txt 文件，内容会被自动加载到输入框。
3. 设置语言、音色和语速后生成音频。
4. 长文本会自动分段处理，确保生成顺利。

订阅和登录

1. 点击右上角“登录”，选择谷歌或 GitHub 账号授权。
2. 登录后可查看字符配额和克隆次数。
3. 点击“订阅”，选择免费试用、按月（月付）或按年（年付）计划。
4. 通过 Stripe 输入支付信息，完成订阅后解锁更多功能。

注意事项

• 音频要求：克隆用的音频要清晰，无背景噪音。
• 密钥安全：不要泄露 .env 文件中的密钥。
• 网络需求：首次运行需下载模型，保持网络稳定。
• 技术支持：遇到问题可在 GitHub 提交 issue。

通过这些步骤，你可以充分利用 Open-VoiceCanvas 的功能。它的开源设计还支持开发者自定义，比如添加新语音服务或调整界面。

应用场景

1. 内容创作
   主播可以用它生成多语言旁白，节省录音时间。
   场景描述：一个 YouTuber 用中文和英文生成视频解说，直接下载音频用于剪辑。
2. 教育支持
   老师将课本转为语音，制作教学音频。
   场景描述：一位英语老师上传课文，生成美式发音音频给学生练习听力。
3. 个性化应用
   开发者克隆自己的声音，打造独特语音助手。
   场景描述：程序员克隆声音后集成到智能家居系统，用自己的声音播报天气。
4. 娱乐用途
   用户生成搞笑语音分享给朋友。
   场景描述：有人用朋友的声音生成“生日快乐”音频，作为惊喜礼物。

QA

1. 支持哪些语音服务？
   支持 OpenAI TTS（自然语音）、AWS Polly（多语言）和 MiniMax（中文优化）。
2. 克隆声音需要什么条件？
   需要 10-20 秒清晰音频，格式为 WAV 或 MP3，背景噪音越少越好。
3. 免费版和付费版有什么区别？
   免费版有字符和克隆次数限制，付费版提供更多配额和音色选择。
4. 如何解决启动失败？
   检查 Node.js 版本（建议 18.x），确保环境变量正确配置，依赖完整安装。