【免费下载链接】open-yoki
An AI live-stream host that runs on one server: voice, face, chat, memory, posts. The base yoki runs on. By Jacke_pp · contact: DM @Jacke_pp on X
open-yoki 是一个"一台服务器就能跑"的 AI 直播主播项目：它会读弹幕、用复刻的声音和数字人形象回答、写日记、自己发动态。这篇文章是声音部分的完整配置教程——教你用火山引擎豆包声音复刻为主播克隆专属音色，再配合**语音合成（TTS）**让她开口说话，全程花费大约只有几块钱。
一、先搞清楚：open-yoki 的声音是怎么工作的
在配置之前，花一分钟理解她的"发声链路"，后面填设置就不容易懵：
| 环节 | 用的是什么 | 源码位置 |
|---|---|---|
| 主力声音 | 火山引擎豆包语音合成 2.0（可用复刻音色） | voice.mjs |
| 复刻音色编号 | 控制台"声音复刻"买的槽位，编号 S_ 开头 | volc-clone.mjs |
| 兜底声音 | 没填豆包钥匙时，自动改用 fal MiniMax 语音 | voice.mjs |
流程其实就四步：买槽位 → 跑一条复刻命令 → 把编号填进设置 → 调语气。下面按顺序来。
二、准备工作：API Key、音色槽位和一段录音
1. 拿两样东西
- 在火山引擎控制台开通豆包语音，进入「API Key 管理」创建一把
VOLC_API_KEY。 - 在「声音复刻」功能里买一个音色槽位，槽位编号是
S_开头的字符串——它就是后面要填的音色 ID。
2. 录一段 10–30 秒的干净录音
复刻效果完全取决于这段录音，照 SETUP.md 的要求准备：
- ⏱️ 时长 10–30 秒，只有一段话，不用太长
- 🎙️ 只有本人说话，没有背景音乐、没有回声、没有旁人插话
- 语气像平时聊天就好，不用播音腔
💡 小技巧：先让主播随便聊几分钟，从里面挑最自然的一两句拼起来，复刻出来会更像"活人"而不是"朗读机器"。
三、一条命令完成声音复刻
进入 app/ 目录，把钥匙临时输入当前终端（不会留在文件里），然后运行官方自带的复刻工具 volc-clone.mjs：
read -s VOLC_API_KEY && export VOLC_API_KEY
node tools/volc-clone.mjs S_<槽位编号> /path/to/录音.wav /tmp/demo.mp3 "大家好，欢迎来我的直播间"
参数对照（完整用法见 app/tools/README.md）：
| 参数 | 含义 |
|---|---|
S_<槽位编号> | 第二步买的复刻槽位，就是将来的 DOUBAO_VOICE_ID |
录音.wav | 第二步录的那段干净语音 |
/tmp/demo.mp3 | 可选：把豆包合成的试听音频存下来 |
"大家好……" | 可选：试听时让她念的文案 |
命令跑完会打印接口返回结果，demo.mp3 也生成好了。把试听音频发给主播本人听——像，就记下槽位编号进下一步；不像，换一段更干净的录音重跑即可（花的就是几分钱）。
四、把声音填进设置：DOUBAO_VOICE_ID
复刻成功只是"造好了嗓子"，还要让她在直播时用这个嗓子。
在服务器设置文件 /etc/livehost/livehost.env 中填（模板参考 .env.example）：
VOLC_API_KEY=...
DOUBAO_VOICE_ID=S_<槽位编号>
TTS_DAILY_CHARS=
DOUBAO_VOICE_ID：必须是第三步复刻用的那个S_槽位，填错就是"声音不对"的头号原因TTS_DAILY_CHARS（可选）：每天最多念多少字，用来控制配音花费，默认 60000
启动服务后看日志，出现 voice=true 就说明语音模块已生效；如果是 voice=false，说明钥匙或声音编号没填对。健康检查接口 /api/health 里的 routes.voice 也能随时确认状态。
五、让声音"像她"：语气、语速与音色细节
复刻解决了"音色像"，config.mjs 里的 doubao 配置段解决的是"说话方式像"：
context：一句话描述整体语气，比如示例里的"语气自然、轻松，像深夜跟朋友聊天"speed：语速调节，-50（半速）到100（倍速）tones：按语气细分，比如"吐槽"快一点、"温柔"轻一点、"叹气"先叹一口气再说
想快速对比各种语气的效果，用试听工具 voice-tones-sample.mjs：
DOUBAO_VOICE_ID=S_<槽位编号> node tools/voice-tones-sample.mjs --idol <你的id>
它会用普通语气和配置里的每一种语气各念同一句话，拼成一个 all.mp3，从头听到尾，哪个语气不像就改哪句 context 描述或语速，再跑一遍，直到听起来都是"她"。
另外两个容易忽略但很实用的机制（都在 voice.mjs 里）：
- 多语言自动识别：复刻音色念日韩等外语会自动带"中式口音"，程序会按文字自动声明语言，念得又对又像她
- 双声音彩蛋：支持在台词里用
{东北}…{/东北}标记切到第二把嗓子，适合"台上人设 + 偶尔露出真我"的主播
六、花费大概多少？
声音这一块是 open-yoki 全项目里最便宜的部分：
| 项目 | 价格 |
|---|---|
| 豆包语音合成 | 约 3 元/万字 |
| 复刻槽位 | 按火山引擎控制台标价，一次性购买 |
| 一场直播 | 一天配音量受 TTS_DAILY_CHARS 封顶，正常播下来通常几毛钱到几块钱 |
首包音频约 0.4 秒就能到达，一条 30 字左右的台词大约 1.4 秒出完整音频，直播互动足够跟得上。两场直播之间开电台的场景，另有 RADIO_DAILY_CHARS 单独限电台的配音字数。
七、常见问题快速排查
| 症状 | 先查这里 |
|---|---|
| 完全没声音 | /api/health 里 routes.voice 的报错；确认 VOLC_API_KEY 有余额 |
| 声音不像她 | DOUBAO_VOICE_ID 是不是复刻用的那个 S_ 槽位 |
| 语气太"念稿" | 改 context 描述和 speed，用试听工具对比 |
| 声音突然没了 | 当日字数触顶（daily cap reached），次日自动恢复，或调大 TTS_DAILY_CHARS |
更多细节见 SETUP.md 的"常见问题"一节，官方文档也在 docs/ 目录下。
小结
给 AI 主播复刻专属声音的完整路径就是：
- 火山引擎控制台拿
VOLC_API_KEY、买一个S_复刻槽位 - 录 10–30 秒干净语音，跑 volc-clone.mjs 一条命令完成复刻
- 把槽位编号填进
DOUBAO_VOICE_ID，确认日志voice=true - 在 config.mjs 里调
context/speed/tones，用试听工具反复对比直到"像她"
配好之后，她的直播间里说的每一句弹幕回复、每一声"嗯嗯"、每一次叹气，都会是主播本人的声音。
【免费下载链接】open-yoki
An AI live-stream host that runs on one server: voice, face, chat, memory, posts. The base yoki runs on. By Jacke_pp · contact: DM @Jacke_pp on X
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
