EasyVoice 使用本地大模型进行配音 的详细操作指南

飞牛NAS本地部署开源TTS文本转语音工具EasyVoice与远程使用流程 本文主要介绍如何在fnOS飞牛云NAS使用Docker本地部署一款非常好用的开源TTS文本转语音工具EasyVoice,并结合cpolar内网穿透工具轻松实现跨网络环境远程使用,无需公网IP,也不用准备云服务器那么麻烦。EasyVoice 是一款开源的智能文本转语音工具,作为文本、小说智能转语音解决方案,可以将文本内容转换为高质量的语音输出。支持一键生成语音和字幕,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。适用于听小说、为创作配音,打造个性化音频。 阅读详情
AI摘要

本文是 EasyVoice 使用本地大模型进行配音的详细指南。介绍了部署前的环境准备,包括本地大模型要求和安装依赖工具;Docker 部署配置;调用本地大模型的两种方式,即 AI 推荐自动分配角色和 API 自定义调用;还提及优化调试技巧、实测案例及扩展功能,可实现高质量多角色配音。


一、部署前的环境准备

  1. 本地大模型要求

    • 需支持 OpenAI API 兼容格式(如通过 gpt-3.5-turbo 或自定义模型)。
    • 推荐模型:qwen2.5:7b-instruct(轻量级中文模型)、ollama 部署的本地模型。
    • 硬件建议:至少 4GB 内存(7B 模型),推荐使用 GPU 加速。
  2. 安装依赖工具

    • Ollama(若使用本地模型):
      # 下载 Ollama(Windows/macOS/Linux)
      curl -fsSL https://ollama.com/install.sh | sh
      # 拉取中文模型(示例)
      ollama pull qwen2.5:7b-instruct
      

二、Docker 部署配置

  1. 修改 docker-compose.yml 文件
    在环境变量中添加本地大模型地址及参数:

    services:
      easyvoice:
        image: cosincox/easyvoice:latest
        environment:
          - OPENAI_BASE_URL=http://192.168.50.60:11434/v1  # 本地模型 API 地址
          - MODEL_NAME=qwen2.5:7b-instruct                 # 模型名称
          - OPENAI_API_KEY=123456                        # 若模型需认证,填写 API Key
    

    注:若使用 Ollama,OPENAI_BASE_URL 需替换为 http://localhost:11434/v1。

  2. 启动容器

    docker-compose up -d
    

三、调用本地大模型的两种方式

方式 1:通过 AI 推荐功能自动分配角色
  1. 输入多角色文本
    在 Web UI 的文本框中粘贴包含角色标记的文本(需符合 AI 指令格式):

    [角色1: 徐凤年]
    寒风如刀,割裂着崖壁上的残雪。孤立的黑石崖如同亘古的巨兽,蛰伏于苍茫群山之中。
    
    [角色2: 凌雪儿]
    一阵轻盈的脚步声打破了寂静。一个身着白衣的女子缓缓走来。
    
  2. 配置参数

    • 选择 AI 推荐 模式。
    • 设置角色语音标签(如 角色1=男声,角色2=女声)。
  3. 生成语音
    点击“生成语音”,AI 会自动分配不同音色并合成多角色对话音频。

方式 2:通过 API 自定义调用
  1. 发送 HTTP 请求
    使用 curl 或代码调用本地模型:

    curl -X POST http://localhost:3000/api/v1/tts/generate \
    -H "Content-Type: application/json" \
    -d '{
      "data": [{"text": "寒风如刀,割裂着崖壁上的残雪。", "role": "徐凤年"}]
    }'
    
    • 参数说明:
      • role:指定调用本地模型的角色标签。
      • text:需转换的文本内容。
  2. 处理返回结果
    响应为 JSON 格式,包含音频 URL 或二进制数据,可直接嵌入网页播放。


四、优化与调试技巧

  1. 提示词工程
    在文本中添加指令词,提升角色区分度:

    [角色1: 沉稳的中年男声,语速较慢]
    "三十年河东,三十年河西..."
    
    [角色2: 清冷的少女音,语速较快]
    "萧兄,又在苦修剑法?"
    
  2. 资源监控
    通过 Docker 监控容器资源占用:

    docker stats easyvoice  # 查看 CPU/内存使用率
    
  3. 常见问题解决

    • 模型响应慢:降低 temperature 参数(如设为 0.3)或启用 GPU 加速。
    • 角色混淆:检查文本标记格式,确保每个角色段落独立。

五、实测案例

场景:生成《雪中悍刀行》多角色有声书

  1. 输入文本(含角色标记):
    [徐凤年]
    这江湖,终究是要用刀剑说话的。
    
    [李淳罡]
    剑来!
    
  2. 生成效果:
    • 徐凤年使用 低沉男声,语速适中。
    • 李淳罡触发 激昂男声,语速加快。

六、扩展功能

  1. 多模型混合调用
    在 docker-compose.yml 中配置多个模型,通过 API 切换:

    services:
      model1:
        image: cosincox/easyvoice:latest
        environment:
          - OPENAI_BASE_URL=http://localhost:11434/v1
          - MODEL_NAME=qwen2.5:7b-instruct
      model2:
        image: cosincox/easyvoice:latest
        environment:
          - OPENAI_BASE_URL=http://192.168.50.61:11434/v1
          - MODEL_NAME=gpt-4-turbo
    
  2. 自定义语音库
    将本地音库挂载到容器:

    volumes:
      - ./custom_voice:/app/voices  # 挂载自定义语音文件
    

通过以上步骤,可充分发挥本地大模型的语言理解能力,实现高质量多角色配音。如需进一步优化,可参考 EasyVoice GitHub Wiki 中的进阶配置。

EasyVoice 安装及使用完全指南(txt 转音频) 《EasyVoice文本转语音工具安装使用指南》介绍了这款开源软件的完整安装流程和使用方法。该工具基于微软Edge-TTS服务,提供20+种中文声音选择,支持语速调节、长文本处理和AI角色配音功能。指南详细说明了Windows系统下通过Node.js的安装步骤,包括环境配置、依赖安装和启动方式,并针对常见问题如端口占用、网络连接等提供了解决方案。日常使用部分介绍了界面功能、语音角色选择和音频保存位置,同时包含AI智能配音等进阶配置说明。该工具完全免费,适合需要高质量文本转语音服务的用户使用。 阅读详情

相关推荐

在家做有声书不求人:EasyVoice+cpolar让文本转语音像用Word一样简单

在家做有声书不求人:EasyVoice+cpolar让文本转语音像用Word一样简单

weixin_58070962的博客 1807

AI语音全能工具箱Easy-Voice-Toolki,包含AI语音完整工作流!搞定从音频处理到语音合成的整个工作流程,剪辑音频,生成自然流畅的语音

是一个基于开源语音项目打造的简易工具箱,功能超丰富!它提供了从音频处理、语音识别、语音转录到数据集制作、模型训练、语音合成等一系列强大的功能。不管你是搞科研的、做项目的,还是单纯喜欢研究语音技术的小伙伴,这个工具箱都能满足你的需求。绝对是语音技术爱好者的福音!音频转换和分割:将媒体文件批量转换为音频文件,并进行降噪和静音切除操作。

jingtian2024的博客 1115

EasyVoice:开源的文本转语音工具,让文字“开口说话“

EasyVoice:开源的文本转语音工具,让文字"开口说话"的黑科技

Code_流苏:在代码中寻诗意,在实践中觅真知 3968

本地部署专属听书工具:用 easyVoice 打造无限制的有声书体验

EasyVoice是一款免费开源的文本转语音工具,支持将超长小说一键转为有声书,提供8种高品质中文语音选择。本文介绍了如何通过Docker快速部署EasyVoice,并利用cpolar内网穿透实现公网访问。该方案突破字数限制,支持流式播放和多角色配音,可生成字幕同步音频,让用户随时随地享受有声读物。部署过程简单,仅需十几分钟即可搭建个人专属的有声书生成器,无需复杂配置和额外费用。

Phor的博客 2100

EasyVoice 文本转语音工具(源码)

EasyVoice是一款文本转语音工具,支持超长文本,多角色配音,专为小说和长篇文章设计,能将十万字以上的内容一键生成为自然流畅的语音,旨在帮助用户轻松将文本内容转换为高质量的语音输出。它支持流式传输,即使大段文字也能立即开始试听,极大提升了有声阅读体验。 EasyVoice特点 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 工具内置多角色配音功能,不同性别、语调和角色特性可随心选配,AI还会根据内容智能推荐最合适的声音设置。用户可自由调整语速和音调,生成前可预先试听,确保最终效果满足需求。支持中英文等多种语言,并能同步生成字幕文件,方便视频制作或翻译 EasyVoice零费用使用,无时长和字数限制。部署灵活:可在云服务器或本地环境通过Docker、Node.js等方式快速搭建,也能以PWA形式安装到手机或电脑端,随时离线使用,私密性有保障。 项目附带详细文档,指导用户自定义语音角色和优化并发参数,若遇到速度瓶颈,调整Edge-TTS并发限制或更换大模型即可提速。借助EasyVoice,创作者可轻松为作品配音,为读者带来更沉浸的听觉享受。

Burp靶场实战:JWT签名绕过漏洞分析与利用

本文通过Burp Suite靶场实战,深入剖析了JWT签名绕过漏洞的多种攻击手法,包括签名未验证、alg:none攻击、弱密钥爆破、JWK/JKU头注入、KID路径遍历及算法混淆攻击。文章详细演示了利用过程,并提供了关键的防御指南,帮助开发和安全人员加固JWT实现,确保认证安全。

weixin_29325515的博客 607

把玩客云变成低功耗配音服务器:EasyVoice部署与远程访问实战

把小说、文章或脚本转成语音,最直接的办法通常是使用在线TTS服务。但真正处理长文本时,很容易遇到字数限制、生成费用、排队等待和文件下载不便等问题。如果选择本地部署,很多方案又依赖独立显卡和较高配置。对于只是想听小说、给视频配旁白,或者偶尔制作多角色语音的用户来说,为此单独准备一台高性能主机并不划算。EasyVoice提供了一条更轻量的路线。它基于Edge TTS,可以完成文本转语音、字幕生成和流式播放,长文本不需要全部生成完成后才能开始试听。

2302_79376097的博客 1万+

2026年数据中心运行与管理专业人才培养基地建设方案(高职、数据中心运行与管理新专业、人才培养、专业代码:510310)

摘要: 为响应国家“东数西算”战略和数字经济需求,我校拟联合行业领军企业建设数据中心运行与管理人才培养基地。项目基于国家政策引导和产业快速发展背景,针对行业10万人才缺口,对标教育部新设专业标准(510310),分三阶段实施五年规划:专业奠基(2026-2028)、内涵深化(2028-2029)、辐射引领(2030-2031)。建设内容涵盖校企协同岗位能力分析、模块化课程开发(如网络管理、自动化运维等)、实训基地搭建及“课证融通”培养模式,重点培养基础设施、网络服务、运维托管三类岗位技能人才,目标建成区域性

啊碧根果的博客 1691

本地部署也能远程用!EasyVoice+cpolar 让文本转语音不受限

EasyVoice 是一款实用的文本转语音工具,能将输入的文本或 TXT 文件快速转换为音频,支持调整语言、性别、语速等参数,还能分角色朗读,适合需要制作有声内容的创作者、教师或经常处理文字材料的办公人员。它的优点在于资源占用少,生成速度快,即使是长篇文本也能高效处理,且支持本地部署,保障数据隐私。使用时发现,EasyVoice 操作简单,上传文件或输入文字后一键生成语音,生成的音频可直接播放或下载。

Pocker_Spades_A的博客 1万+

SDRAM控制器——添加读写FIFO

用FIFO实现数据缓存

H19981118的博客 2629

给jetson nano 安装AX200网卡驱动

几经波折,因为在网上看到的基本都是amd版本而非arm版,然后最终选定V5.5是因为更新的几个版本的arm版本是false的(在https://kernel.ubuntu.com/~kernel-ppa/mainline/处选择版本时,得看在arm64上是false还是build succeeded,之前没经验呀刚刚才顿悟的) 1,参考文章https://blog.youkuaiyun.com/MIRANA0/article/details/106696334 学到了得下载如下四个: wget https://k

发嘎嘎的博客 2347

EasyVoice 是一款专注于文本转语音的工具:EasyVoice最新版下载、安装、配置教程

摘要 EasyVoice是一款免费开源的文本转语音工具,支持本地部署,提供多种语音角色和参数调节功能。本文详细介绍了在fnOS飞牛云NAS上通过Docker部署EasyVoice的步骤,包括环境准备、Docker-compose配置及简单使用测试。该工具转换速度快、操作简便,适合有声书制作、教学素材生成等场景。为解决跨网络访问问题,文章还介绍了如何通过cpolar内网穿透实现远程访问,使EasyVoice摆脱局域网限制,提升使用便利性。整个过程无需公网IP或云服务器,搭建简单高效。

虎头金猫:授渔优于赠鱼,兴趣引领智慧,探索之乐尤显珍贵。商务合作+:Libin9iOak ,万粉变现+:优快云WF,虎哥承诺每年免费为100名C站创作者做账号流量诊断服务! 9690

一分钟学会MATLAB-数据清洗(含完整代码)

数据清洗是数据分析过程中的一个重要步骤,目的是提高数据的质量,以便进行更有效的分析。% 删除超出阈值的行。% 用线性插值填充缺失值。% 删除包含缺失值的行。% 找到缺失值的位置。% 可视化数据,识别异常值。缺失值是数据清洗中常见的问题。通过以上步骤,你可以有效地清洗数据,使其准备好进行后续的分析和建模。

2402_87132195的博客 3317

地铁上想看书又怕眼睛累?easyVoice 把小说转成随时可听的有声书

每天通勤时间不短,想利用起来听听小说,但拿手机看吧没看几站眼睛就酸得不行;有声书平台资源又不全,想听的书经常找不到,找到了还得付费,价格还不便宜。入手过几个文字转语音的工具,要么限制字数,几万字就开始报错;要么不支持长文本,生成到一半卡住了;要么音色太机械,听起来像在听导航。实际上就是想把自己喜欢的书丢进去,然后有个自然的声音读出来,不限字数、随时能听、最好还能选个好听的音色,这点需求说实话不应该这么难满足。easyVoice 解决的就是这件事。

从事移动开发八年,csdn博客专家,阿里云特邀专家,华为云云享专家,高级网络信息安全工程师,大数据工程师(高级),python技术开发(高级),HarmonyOS 应用开发者高级认证,现在某学校任教。 1万+

【Proteus仿真】51单片机+DAC0832+LM358放大电路波形发生器

【Proteus仿真】51单片机+DAC0832+LM358放大电路波形发生器

perseverance51博客 5787

基于四旋翼模型的火箭型无人机视线角保持控制仿真设计

本文针对火箭型无人机的视线角保持控制问题展开研究。基于四旋翼动力学模型,通过改造设计了一种摄像头朝上安装的特殊无人机系统,用于追踪空中目标。文章详细推导了坐标系定义、运动学和动力学方程,重点分析了摄像头安装与视线几何关系,建立了目标运动模型和视线向量计算方法。通过解算期望姿态角,实现了使机体Z轴始终对准目标的控制目标。仿真结果表明,该系统能有效完成视线角保持任务,为空对空监视等应用场景提供了可行方案。~~~~~

huanghm88的专栏 143

easyVoice 来了!超长文本实时转语音,还能多角色配音!cpolar 内网穿透实验室第 420 个成功挑战

文章摘要: easyVoice 是一款跨平台开源文本转语音工具,支持 Windows、macOS 和 Linux,通过 Docker 部署实现高效兼容。它能将超长文本(如700万字小说)快速转换为流畅语音,提供8种中文语音库,支持智能配音推荐、流式播放和字幕同步。应用场景广泛,如通勤听书、家长哄娃、创作者有声书制作等。结合 cpolar 内网穿透技术,用户可随时随地访问生成的语音内容,实现本地生成、全局共享。免费无限制,兼顾工作与娱乐需求,是文本转语音的实用解决方案。 (150字)

YUAN_XU_CHENG的博客 1859

Vue - 萤石云监控 ezuikit 视频实例销毁方案,解决使用stop方法无法销毁EZUIKit实例或销毁后依然占用内存并且监控画面依然有声音问题(解决页面多个监控摄像头画面同时播放,翻页或关闭页

vue2,vue3,萤石,监控摄像头,萤石云销毁视频实例,退出页面销毁,stop销毁原视频流,占用内存怎么办,销毁后视频依旧在后台播放有声音,销毁视频播放器,页面上有多个视频画面怎么销毁某一个,stop方法不生效怎么办,浏览器非常卡,dom销毁,ezuikit-js萤石云播放器Vue中使用beforeDestory销毁播放器实例,调用萤石云ezuikit-js的视频对象销毁,vue使用萤石云监控视频录像回放,不销毁实例会出现离开页面后依旧有监控声音并且占内存问题,不好使,页面崩了,崩溃,视频监控太多,没有用

🏆 前端领域优质创作者 1万+

免费又好用!EasyVoice 让文本转语音变得如此简单

EasyVoice 是一款开源的文本转语音工具,能将输入的文本或 TXT 文件转换成音频,支持调整语言、性别、语速、音量等参数,满足不同场景的需求。它适合自媒体创作者把文案转成播客,学生把课文转成有声材料,或者上班族处理文字内容时解放双眼。优点在于完全免费无限制,本地部署保障数据隐私,处理速度快且资源占用少,即使是长篇文本也能高效转换。

LT15171009269的博客 7256

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

Windows部署EasyVoice:小说转语音并实现手机远程收听

早上坐地铁时想继续看昨晚没读完的小说,车厢里却很难一直盯着屏幕。晚上回到家想接着看,又常常因为工作了一天,只翻几页就开始眼睛发酸。相比重新寻找有声书资源,直接把自己手里的文本转换出来,内容选择也会更自由。EasyVoice就是一套面向长文本和小说的语音生成工具。将文本导入后,可以选择不同声音,并通过流式方式边生成边播放,不必等整篇内容全部处理完成才能开始收听。本文将在Windows中使用Docker部署EasyVoice,完成页面访问和超长文本语音生成测试,并将生成的音频内容保存到本地目录。

码事漫谈 1万+

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

通勤路上听万物:用EasyVoice+cpolar,把任意文章变成随身有声书

原项目地址:https://github.com/cosin2077/easyVoice二次开发项目地址:https://gitee.com/jun-wan/easyvoiceEasyVoice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,原项目由cosin2077开发。本文使用的是我基于原项目二次开发的分支版本。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!

忆~遂愿的博客 9334

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

小说转换有声让文字有温度,部署EasyVoice

EasyVoice是一款开源的文本‑>语音 (TTS) 解决方案,专为小说、创作配音以及个人化音频需求设计。一键生成语音 + 字幕AI 智能推荐配音(基于大模型对段落情感进行匹配)完全免费,无时长、无字数限制支持 10 万字以上小说一键转为有声书流式传输,文本长度不再是瓶颈,立即播放自定义多角色配音(适合对话丰富的小说)使用场景:听小说、为创作配音、制作播客、有声教学材料等,一站式解决语音生成需求。

tao724624173的博客 452

本地部署、免费开源、支持多人配音且可处理长文本 的工具推荐

本文介绍了四款开源文本转语音工具:EasyVoice、EmotiVoice、ChatTTS和Balabolka,并对比了它们的功能和适用场景。EasyVoice支持多角色配音和长文本处理,适合小说和剧本;EmotiVoice提供情感化配音,适合影视和广告;ChatTTS适合短对话和有声书;Balabolka则适合基础的多文本转语音。每款工具均支持本地部署,且开源免费。根据需求,EasyVoice适合自动化多角色分配,EmotiVoice适合情感化内容,ChatTTS适合轻量级应用。

欢迎光临~知1而N的博客 4056

开源工具EasyVoice打造私人语音助手,内网穿透解锁无限场景

开源工具EasyVoice打造私人语音助手,内网穿透解锁无限场景

日出等日落 1064

本地也能做文本转语音?EasyVoice + cpolar远程访问,超实用!

EasyVoice 是一款开源的文本转语音工具,支持输入文本或上传 TXT 文件生成语音,可调节语言、语速、音量等参数,适合制作有声书、教学音频的用户,优点是资源占用少、生成速度快,还能导出音频文件。使用时发现,它的 AI 推荐语音功能挺有新意,但处理大篇幅文本时,生成时间会稍长,建议分批次转换。另外,选择合适的配音角色,能让音频效果更好。不过,它默认只能在局域网内使用,这意味着想在外面用手机生成语音就不行了。比如外出时突然需要将一段文字转成语音,就只能等回到家操作,很不方便。

m0_73879806的博客 1336
上一篇: 本地部署、免费开源、支持多人配音且可处理长文本 的工具推荐
下一篇: Windows 10系统推荐的实用温控软件,涵盖硬件监控、温度调节及系统优化功能
知1而N
博客等级 码龄9年 1425粉丝 449原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值