EasyVoice 是一个开源的文本、小说智能转语音解决方案，旨在帮助用户轻松将文本内容转换为高质量的语音输出。
-
一键生成语音和字幕
-
AI 智能推荐配音
-
完全免费，无时长、无字数限制
-
支持将 10 万字以上的小说一键转为有声书！
-
流式传输，多长的文本都能立刻播放
-
支持自定义多角色配音
无论你是想听小说、为创作配音，还是打造个性化音频，EasyVoice 都是你的最佳助手！
你可以轻松的将 EasyVoice 部署到你的云服务器或者本地！
- 文本转语音 📝 ➡️ 🎵
一键将大段文本转为语音，高效又省时。 - 流式传输 🌊
再多的文本，都可以迅速返回音频直接开始试听！ - 多语言支持 🌍
支持中文、英文等多种语言。 - 字幕支持 💬
自动生成字幕文件，方便视频制作和字幕翻译。 - 角色配音 🎭
提供多种声音选项，完美适配不同角色。 - 自定义设置 ⚙️
可调整语速、音调等参数，打造专属语音风格。 - AI 推荐 🧠
通过 AI 智能推荐最适合的语音配置，省心又贴心。 - 试听功能 🎧
生成前可试听效果，确保每一句都如你所愿！
# 极简运行，你可以通过 -e 指定环境变量
docker run -d -p 3000:3000 -v $(pwd)/audio:/app/audio cosincox/easyvoice:latestor 将仓库克隆到本地，使用 Docker Compose 一键运行！
docker-compose up -d2. 本地运行项目（需要 Node.js 20 及以上，参考：安装 Node.js）
# 开启/安装 pnpm
corepack enable
# 或者使用 npm 安装 pnpm
npm install -g pnpm
# 克隆仓库
git clone [email protected]:cosin2077/easyVoice.git
cd easyVoice
# 安装依赖
pnpm i -r
# 开发模式
pnpm dev
# 生产模式
pnpm build
pnpm start- Docker 部署： 保存在挂载的
audio目录下 - Node.js 运行保存在
./packages/backend/audio目录下
在文本里写停顿标记，会在该位置插入真实静音（不是用省略号凑），字幕时间轴会同步顺延，SRT 里也不会出现标记文字。单个停顿最长 30 秒。
春江潮水连海平，(((停顿3秒)))海上明月共潮生。
(((暂停1.5秒))) (((静音2秒))) (((pause 2s))) [pause:500ms] <break time="2s"/>
网页、/generate、/createStream、/generateJson（每个 text 里都可以写）均支持。
数量、金额、小数、年份、日期（如 300元、2000人、1.5倍、2024年10月20日）交给 Edge 按正常数字读法朗读。中文里像编号的数字会逐位读出：
- 前面有关键字：
股票代码601012、手机尾号8888、订单号20241020123456、验证码4821 - 括号里的 5 位以上数字：
隆基绿能（601012） - 以 0 开头的 4 位以上数字：
000001 - 7 位以上、后面不跟单位的数字：手机号、单号等
逐位读只影响发音，字幕里仍显示原文数字（601012，不会变成 六零一零一二）。
/generateJson 和 /createStream 直接返回 MP3 流，响应头 x-generate-tts-id 是文件名（URL 编码）。把扩展名换成 .srt 就能下载对应的字幕：
curl -sS -D headers.txt -o output.mp3 -X POST http://localhost:3000/api/v1/tts/createStream \
-H "Content-Type: application/json" \
-d '{"text":"你好，这是一段命令行生成的语音。(((停顿1秒)))再见。","voice":"zh-CN-XiaoxiaoNeural"}'
ID=$(grep -i '^x-generate-tts-id' headers.txt | cut -d' ' -f2 | tr -d '\r')
curl -sS -o output.srt "http://localhost:3000/api/v1/tts/download/${ID%.mp3}.srt"短文本（不超过 DIRECT_GEN_LIMIT）也可以用 /generate，返回的 JSON 里直接带 file 和 srt 文件名。
启动服务后尝试在命令行运行下述命令：
curl -X POST http://localhost:3000/api/v1/tts/generateJson \
-H "Content-Type: application/json" \
-d '{
"data": [
{
"desc": "徐凤年",
"text": "你敢动他，我会穷尽一生毁掉卢家，说到做到",
"voice": "zh-CN-YunjianNeural",
"volume": "40%"
},
{
"desc": "姜泥",
"text": "徐凤年，你快走，你打不过的",
"voice": "zh-CN-XiaoyiNeural"
},
{
"desc": "路人甲",
"text": "他可是堂堂棠溪剑仙，这小子真是遇到强敌了",
"voice": "zh-CN-XiaoniNeural",
"volume": "-20%"
},
{
"desc": "路人乙",
"text": "这小子真是不知死活，竟然敢挑战卢白撷",
"voice": "zh-TW-HsiaoChenNeural",
"volume": "-20%"
},
{
"desc": "旁白",
"text": "面对棠溪剑仙卢白撷的杀意，徐凤年按住剑柄蓄势待发，他将姜泥放在心尖上，话锋一句比一句犀利，威逼利诱的要求卢白撷放姜泥一条生路。卢白撷也是不撞南墙不回头的人，他与西楚有深仇大恨不得不报...",
"voice": "zh-CN-YunxiNeural",
"rate": "0%",
"pitch": "0Hz",
"volume": "0%"
},
{
"desc": "旁白",
"text": "卢白撷凝聚剑气，剑光如虹，直指姜泥。剑气快到姜泥的时候，竟然被一颗小石子打破！万千剑气瞬间消散。居然就是刚刚进入山门的青衣男子。卢白撷心中警铃大作，再次凝结千万水剑想要先下手为强，青衣男子竟然一只手就挡下了，随之飓风盘起，竟然有山呼海啸之势，众人分分被逼退。随后的打斗，青衣男子每一步都精准预测了卢白撷的动作，卢白撷心中惊骇不已。",
"voice": "zh-CN-YunxiNeural",
"rate": "0%",
"pitch": "0Hz",
"volume": "0%"
},
{
"desc": "卢白撷",
"text": "人心入局，观子无敌，棋局未央，棋子难逃。你是！？ 曹长卿！",
"voice": "zh-CN-YunyangNeural",
"rate": "-2%",
"pitch": "2Hz",
"volume": "10%"
}
]
}' \
-o output.mp3
你将看到output.mp3文件的生成，并立即可以播放。单条 text 很长时会自动切成多段合成，不会再触发 Edge 单次 10 分钟的上限；字幕的获取方式见上文「命令行生成并保存字幕」。
- text: 你需要转语音的文字。
- voice: 你需要用到的声音，参考：支持的声音列表
- rate: 语速调整，百分比形式，默认 +0%（正常），如 "+50%"（加快 50%），"-20%"（减慢 20%）。
- volume: 音量调整，百分比形式，默认 +0%（正常），如 "+20%"（增 20%），"-10%"（减 10%）。
- pitch: 音调调整，默认 +0Hz（正常），如 "+10Hz"（提高 10 赫兹），"-5Hz"（降低 5 赫兹）。
- TODO
- 前端：Vue 3 + TypeScript + Element Plus 🌐
- 后端：Node.js + Express + TypeScript ⚡
- 语音合成：Microsoft Azure TTS(更多引擎接入中) + OpenAI(OpenAI 兼容即可) + ffmpeg 🎤
- 部署：Node.js + Docker + Docker Compose 🐳
1.克隆仓库
git clone https://github.com/cosin2077/easyVoice.git2.安装依赖
pnpm i -r3.启动项目
pnpm dev4.打开浏览器，访问 http://localhost:5173/，开始体验吧！
| 变量名 | 默认值 | 描述 |
|---|---|---|
PORT |
3000 |
服务端口 |
OPENAI_BASE_URL |
https://api.openai.com/v1 |
OpenAI 兼容 API 地址 |
OPENAI_API_KEY |
- | OpenAI API Key |
MODEL_NAME |
- | 使用的模型名称 |
RATE_LIMIT_WINDOW |
1 |
速率限制窗口大小（分钟） |
RATE_LIMIT |
10 |
速率限制次数 |
EDGE_API_LIMIT |
3 |
Edge-TTS API 并发数 |
TASK_TTL_MS |
3600000 |
/create 任务完成后可查询的保留时长（毫秒） |
ALLOW_PRIVATE_OPENAI_URL |
false |
是否允许用户在网页/API 中填写的 OpenAI API 地址指向本机/内网（如 http://127.0.0.1:11434/v1、192.168.x.x）。仅在自托管、服务不对公网开放时设为 true |
- AI 推荐：同时配置了
OPENAI_BASE_URL、OPENAI_API_KEY、MODEL_NAME后，网页的「AI 推荐」里会显示「服务器已配置 AI：模型 · 域名」，Key 留空就能直接用（Key 不会下发到浏览器）。服务端 Key 只会发给OPENAI_BASE_URL；用户自己填了别的 API 地址时，必须同时填自己的 Key。 - API 地址安全（SSRF 防护）：用户自己填写的
openaiBaseUrl只能是 http/https 公网地址；指向本机、内网、链路本地、云厂商元数据（如169.254.169.254）等地址会被拒绝（HTTP 400），服务端会先解析域名校验 IP，并把连接固定到校验过的 IP（防 DNS rebinding），且不跟随重定向。服务器自己配置的OPENAI_BASE_URL不受此限制，本地大模型直接写在OPENAI_BASE_URL里即可；若确实需要让用户填写内网地址，设置ALLOW_PRIVATE_OPENAI_URL=true（元数据等保留地址仍会被拦截）。 - 配置文件：可在
.env或packages/backend/.env中设置，优先级为packages/backend/.env > .env。 - Docker 配置：通过
-e参数传入环境变量，如上文示例。
-
Q: 如何配置 OpenAI 相关信息?
-
A: 在
.env文件中添加OPENAI_API_KEY=your_api_keyOPENAI_BASE_URL=openai_compatible_base_urlMODEL_NAME=openai_model_name，你可以用任何 openai compatible 的 API 地址和模型名称，例如https://openrouter.ai/api/v1/和deepseek。 -
Q: 为什么我的AI配音效果不好？
-
A: AI 推荐配音是通过大模型来决定不同的段落的配音参数，大模型的能力直接影响配音结果，你可以尝试更换不同的大模型，或者是用 Edge-TTS 选择固定的声音配音。
-
Q: 速度太慢？
-
A: AI 推荐配音需要把输入的文本分段、然后让 AI 分析、推荐每一分段的配音参数，最后再生成音频、拼接。速度会比直接用 Edge-TTS慢。你可以更换相应更快的大模型，或者尝试调节 Edge-TTS 的并发参数：EDGE_API_LIMIT为更大的值(10 以下)，注意并发太高可能会有限制。
-
当前主要通过 Edge-TTS API 提供免费语音合成。
-
未来计划支持官方 API、Google TTS、声音克隆等功能。
