easyVoice

cosin2077活跃维护

开源文本转语音工具，能把超长文本拆成多角色配音，适合做有声书和长内容朗读。

开源文本转语音工具，支持超长文本，多角色配音

v0.0.23发布于 2026-11-04 00:08 UTC2,381star +6 / 7 天388fork同步于 2026-11-10 23:45 UTC

文本转语音多角色配音超长文本语音合成 edge-tts

对比 GitHub 官网 edge-tts tts tts-engines

怎么上手

由 README 提炼，执行前请确认

原文

docker run -d -p 3000:3000 -v $(pwd)/audio:/app/audio cosincox/easyvoice:latest

硬件要求按 README 说明

README 未说明显存或 GPU 要求，语音合成依赖 Edge-TTS 云端 API，本地只需能跑 Node.js 20+ 或 Docker 即可

有 Docker 镜像

下载：源码 zip·GitHub Releases（安装包）本站不镜像安装包

项目说明

由 README 自动翻译提炼

没人工点评？写下你的经验

开源文本转语音工具，支持超长文本与多角色配音，一键把小说转成有声书

开源文本转语音工具，能把超长文本拆成多角色配音，适合做有声书和长内容朗读。

核心能力

流式传输，超长文本可立即播放
自动生成 SRT 字幕并同步时间轴
支持多角色配音，可调语速、音调、音量
用停顿标记插入真实静音，最长 30 秒
AI 智能推荐各段落的配音参数

容易踩的坑

本地运行需 Node.js 20 及以上并先启用 pnpm；AI 推荐功能需另行配置 OPENAI_BASE_URL、OPENAI_API_KEY、MODEL_NAME；用户自填的 OpenAI 地址默认禁止指向本机或内网，需设 ALLOW_PRIVATE_OPENAI_URL=true

内容由模型根据 README 生成，可能不完整或不准确，以官方文档为准。看原文 README

用户点评

登录用户的真实使用记录，可按版本和硬件筛选

共 0 条

还没有人点评。第一个说出真实体验的人最有价值。

README 原文

未翻译

在 GitHub 打开

EasyVoice 🎙️

项目简介 ✨

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！

体验一下

easyvoice.ioplus.tech

核心功能 🌟

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！

Screenshots📸

Home Generate

快速开始 🚀

1. 通过 docker 运行

# 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:latest

or 将仓库克隆到本地，使用 Docker Compose 一键运行！

docker-compose up -d

2. 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

3. 生成的音频、字幕保存位置

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

高级

插入停顿（静音）

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。

数字读法

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）。

命令行生成并保存字幕（SRT）

/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。

角色自定义

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」。

参数说明

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）。

接入其他 TTS 服务

TODO

技术实现 🛠️

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 🐳

快速开发 🚀

1.克隆仓库

git clone https://github.com/cosin2077/easyVoice.git

2.安装依赖

pnpm i -r

3.启动项目

pnpm dev

4.打开浏览器，访问 http://localhost:5173/，开始体验吧！

环境变量 ⚙️

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。

FAQ

Q: 如何配置 OpenAI 相关信息?
A: 在 .env 文件中添加 OPENAI_API_KEY=your_api_key OPENAI_BASE_URL=openai_compatible_base_url MODEL_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。

Tips

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。

easyVoice

怎么上手

项目说明

核心能力

容易踩的坑

最近发版

🔒 安全修复 / Security fix

⚙️ 配置变化 / Config change

亮点 / Highlights (#86)

修复 / Fixes

亮点 / Highlights (#85)

修复 / Fixes

亮点 / Highlights

修复 / Fixes (#83)

修复 / Fixes

其他 / Other

用户点评

README 原文

EasyVoice 🎙️

项目简介 ✨

体验一下

核心功能 🌟

Screenshots📸

快速开始 🚀

1. 通过 docker 运行

2. 本地运行项目（需要 Node.js 20 及以上，参考：安装 Node.js）

3. 生成的音频、字幕保存位置

高级

插入停顿（静音）

数字读法

命令行生成并保存字幕（SRT）

角色自定义

参数说明

接入其他 TTS 服务

技术实现 🛠️

快速开发 🚀

环境变量 ⚙️

FAQ

Tips

怎么上手

项目说明

核心能力

容易踩的坑

最近发版

🔒 安全修复 / Security fix

⚙️ 配置变化 / Config change

亮点 / Highlights (#86)

修复 / Fixes

亮点 / Highlights (#85)

修复 / Fixes

亮点 / Highlights

修复 / Fixes (#83)

修复 / Fixes

其他 / Other

用户点评

README 原文

EasyVoice 🎙️

项目简介 ✨

体验一下

核心功能 🌟

Screenshots📸

快速开始 🚀

1. 通过 docker 运行

2. 本地运行项目（需要 Node.js 20 及以上，参考：安装 Node.js）

3. 生成的音频、字幕保存位置

高级

插入停顿（静音）

数字读法

命令行生成并保存字幕（SRT）

角色自定义

参数说明

接入其他 TTS 服务

技术实现 🛠️

快速开发 🚀

环境变量 ⚙️

FAQ

Tips

相关项目