Skillget

voxflow

agent
Security Audit
Warn
Health Warn
  • License — License: Apache-2.0
  • Description — Repository has a description
  • Active repo — Last push 0 days ago
  • Low visibility — Only 6 GitHub stars
Code Pass
  • Code scan — Scanned 12 files during light audit, no dangerous patterns found
Permissions Pass
  • Permissions — No dangerous permissions requested

No AI report is available for this listing yet.

SUMMARY

VoxFlow 声流 — AI 声音到 AI 音乐，一套工作流做到自动上架

README.md

VoxFlow 声流

VoxFlow 声流

License Stars Python 3.10+ Qwen3-TTS 1.7B 音频不出本机 macOS Apple Silicon

本地运行的中文语音克隆 + 音色设计工具台。
一条命令出音频，不联网、不要 API Key、音频永不上传。
给人用，也给 AI / Agent 直接调用。

装 · 差异对比 · 核心模式 · Agent 调用 · English

VoxFlow Web UI

⚖️ 和其它方案的区别

ElevenLabs 云 TTS（阿里/腾讯/Azure） 剪映配音 VoxFlow
音频上传服务器 ✅ 要 ✅ 要 ✅ 要 ❌ 全程本地
声音克隆 ✅ ⚠️ 多需企业认证 ❌ ✅ 一段样音即可
文字描述造音色 ⚠️ 有限 ❌ ❌ ✅ 不需要任何参考音频
按量计费 ✅ ✅ 免费但限平台内 ❌ 一次装好，之后免费
可脚本化 / Agent 调用 ✅ API ✅ API ❌ ✅ CLI + HTTP API
中文表现 良 优 优 优（Qwen3-TTS）
前置成本 注册 + 付费 注册 + 实名 装客户端 下 4.2GB 模型

最实在的差异是第一行：克隆真人声音时，样音要不要交给别人的服务器。
做 IP 角色音、给客户配音、处理未公开的素材时，这条往往不是偏好问题而是合规问题。

第三行是能力上的差异：VoiceDesign 能用「低沉沙哑的中年男声」这样一句话凭空造出音色，
不需要任何参考音频 —— 想要一个不存在的人的声音时，只有这条路。

换个角度：如果你只是偶尔配几句、不在乎音频上传，云服务更省事。
VoxFlow 的价值在批量（不计次收费）与私密（音频不出本机）这两件事上。

📦 一分钟装好

git clone https://github.com/webkubor/voxflow.git
cd voxflow
chmod +x install.sh && ./install.sh
source .venv/bin/activate
voice --help

脚本自动完成：创建 .venv → 安装依赖 → 下载基础模型。

⚡ 真实效果

# 克隆已有角色音色生成台词
voice clone narrator "霜叶红于二月花，山色空蒙雨亦奇"
# → out/narrator_20260421_143201.wav  [2.3s]

# 用文字描述设计新音色
voice design xiao_jing "这是一段建模短句" --tone "温柔、清晰、偏少女"
# → voice 'xiao_jing' saved to personas.json

# 多角色对白（配置驱动，暂无 CLI 子命令）
python main.py dialogue          # 读 configs/dialogue.json 里的 lines
# → out/ 下按行生成并合并

# 跑现成的武侠预设
voice preset list                # 看 configs/presets/ 里有哪些
voice preset run 武侠_老朽_江湖啊

🧩 当前能力

功能 状态 命令 / 入口
声音克隆（角色复用） ✅ voice clone <persona> "台词" / Web UI「克隆合成」
音色设计（文字描述） ✅ voice design <name> "短句" --tone / Web UI「音色设计」
多角色对话生成 ⚠️ 功能已实现（core/modes/dialogue.py），但没有 CLI 子命令；入口是 python main.py dialogue，读 configs/dialogue.json
预设任务 ✅ voice preset list / voice preset run <名>
音色列表管理 ✅ voice voice list
Web UI ✅ voice web → http://localhost:8866
文案库（持久化常用台词） ✅ Web UI「克隆合成」文案 chip 条
异步任务队列（进度可见） ✅ Web UI 右下角任务队列
模型状态与下载进度 ✅ Web UI 顶部状态栏
环境自检 ✅ voice doctor（含 FreeLLMAPI 检测）
Agent 无交互安装 ✅ ./install.sh --yes
AI 文案生成 ✅ voice ai-script "描述" / Web UI AI 助手
AI 文案润色 ✅ voice ai-polish "文案" / Web UI AI 助手

🖥 Web UI

voice web
# → http://localhost:8866

界面预览

克隆合成 + 文案库 + 任务队列
音色设计 + 预设配方

🎛 三种核心模式

模式 作用 典型流程
音色库 管理已有音色 persona 上传参考音频 → 自动注册命名 → 左侧点击试听 / 切换
克隆合成 用已有音色生成台词 选音色 → 输入 / 选择文案 → 异步合成 → 在线试听 / 下载
音色设计 用文字描述创造新音色 填音色名称、建模短句、音色描述 → 一键生成 → 入库复用

辅助模块

  • 文案库：常用台词保存在 configs/scripts.json，切换音色时文案不丢失，点击 chip 条一键载入。
  • 音频库：历史生成列表，支持播放、下载、删除。
  • 任务队列：合成 / 设计均为后台异步任务，带进度条，UI 不阻塞，可随时查看队列状态。
  • 模型状态栏：顶部实时显示 Base / VoiceDesign 模型下载状态（未下载 / 下载中 / 已就绪），模型未就绪时对应功能自动禁用。
  • AI 文案助手：接入 FreeLLMAPI 后，可在克隆合成 Tab 中用 AI 生成文案、润色已有文案。未接入时功能自动隐藏，不影响核心 TTS 流程。

AI 文案助手（可选）

VoxFlow 支持接入 FreeLLMAPI — 一个聚合 18 个免费 LLM 提供商的 OpenAI 兼容代理，实现 AI 文案生成与润色。

# 1. 安装 FreeLLMAPI（Docker 一键启动）
curl -fsSL https://freellmapi.co/install.sh | bash

# 2. 启动后访问 http://localhost:3001 添加免费 LLM API Key

# 3. 在 VoxFlow 中使用
voice ai-script "写一段武侠旁白，讲剑客归隐山林" --words 200
voice ai-polish "霜叶红于二月花" --style "更激昂"

# 或在 Web UI → 克隆合成 → AI 文案助手

不安装 FreeLLMAPI 也不影响核心 TTS 功能，AI 助手会显示「未连接」并禁用。

🧠 为什么选 Qwen3-TTS

  • 中文 52 种方言支持（普通话 / 粤语 / 闽南语 / 吴语…）
  • Apple Silicon MPS 加速，M 系芯片本地实时推理
  • 完全开源，不需要联网，不需要 API Key

📁 项目结构

voxflow/
├── cli/            # CLI 入口与子命令
├── core/           # 语音引擎 / 模式调度 / 音频处理
├── web/            # Web UI（FastAPI + 前端单页）
├── configs/        # 运行配置与 personas 映射
├── assets/         # 参考音频 / 标准样音 / 产出
├── models/         # 本地模型目录
└── out/            # 默认输出目录

🤖 给 AI / Agent 调用

无交互安装

Agent / CI/CD 场景下，一条命令全自动安装，不弹任何确认：

./install.sh --yes                    # 全自动：依赖 + Base + VoiceDesign 模型
./install.sh --yes --skip-voice-design  # 仅依赖 + Base 模型（省 4GB）
./install.sh --yes --skip-models        # 仅装依赖，不下载模型

环境自检

Agent 调用前先跑 voice doctor 确认环境就绪，支持 --json 输出方便解析：

voice doctor           # 人类可读表格报告
voice doctor --json    # JSON 格式（agent 解析）
voice doctor --fix     # 尝试自动修复

检查项：Python 版本、虚拟环境、12 个核心依赖、PyTorch 硬件加速（MPS/CUDA）、qwen_tts SDK、模型完整性、FFmpeg、目录结构、音色库、CLI 入口、Web UI 依赖、预设配方。

Agent 调用示例

项目根目录提供 .claude/skills/tts.md，Claude Code 可以直接读取后无歧义执行 TTS 任务：

# Claude Code 调用示例
voice clone <persona> "<台词>" -o <output.wav>

Agent 调用前请先确认 source .venv/bin/activate 已执行，或使用 .venv/bin/voice。

🗺 路线图

  • Phase 1 — 命名统一、README 清晰化
  • Phase 2a — CLI 稳定（clone / design / voice list / preset）
  • dialogue 补 CLI 子命令（功能已在 core/modes/dialogue.py，目前只能 python main.py dialogue）
  • Phase 2b — voice doctor 环境自检
  • Phase 3 — WebUI MVP（上传音频 / 试听 / 下载）
  • Phase 4 — Agent 无交互安装模式

👤 适合谁

  • 本地跑中文配音的创作者（有声书 / 短剧 / 游戏 NPC）
  • 想把配音流程接给 AI 助手的开发者
  • 武侠 / 古风 / 方言内容生产者

📄 License

Apache-2.0 · 基于 Qwen3-TTS 二次开发

完整命令参考 → docs/COMMANDS.md

Reviews (0)

No results found