- gemini
- CosyVoice2-0.5B
- Python 3.10+
- 大模型 API Key
- ffmpeg
- mongodb (可选 GUI 需要)
- 创建虚拟环境
uv venv --python 3.10.\.venv\Scripts\activate- 安装依赖
uv add -r requirements.txt- 配置 API Key
复制 .env.example 文件修改为 .env
添加 .env 文件中的 API Key
| 文件名 | 功能 |
|---|---|
| app/getBookList.py | 获取小说章节分页 |
| app/getZjList.py | 获取章节列表 |
| app/saveBooks.py | 保存小说每章内容 |
| app/saveBookJson.py | AI 处理章节对话信息 |
| app/createUser.py | 创建角色模型选择表 |
| app/createAudio.py | 生成音频 |
| 文件名 | 功能 |
|---|---|
| text/key_test.py | 批量测试 API Key 是否可用 |
| gui/gui.py | 音频文件排序工具 |
| gui/gui2.py | 喜马拉雅作品批量删除管理工具 |
| book-gui/gui3.py | 小说爬取管理工具(mongodb) |
先去网站挑好小说 参考站点
我是在这里爬的，似乎没啥防护，随便扒
具体怎么配置可用参考app/*下面的文件
if __name__ == "__main__": 中的写法
Gui 方面还没有做完，目前只做了
小说爬取-小说管理-Gemini API Key 管理-多线程生成对话信息
所以直接从源码执行的话可以一套流程走下来，如果从
Gui 执行的话就要分开来了，还需要自己增加一点数据库的读取和数据格式处理操作
配置角色表这一步，可以手动去配置一些角色，指定主角和旁白的声音
然后剩下的我是直接随机抽取对应性别的声音的，因为可用的音频模型太少了
一本 1000 章以上的小说甚至有几千个角色，很多杂毛角色
目前的规则是超过 50 句台词的角色除了你指定的外，随机用一个声音，然后小于这个的直接用旁白的声音
虽然硅基的这个模型没有并发限制，但是对IP还是有限制的，我一台电脑一晚上最多跑300章小说
开抢占服务器，多台并行的话每个开 20 线程
我这边测试过的是，开5台机器，每台机器20线程，5小时跑了将近2000章小说
其中可能会有漏章的，最后还需要筛查和补充
整个思路其实很简单
| 流程 | 作用 | * |
|---|---|---|
| 小说爬取 | 准备小说素材 | |
| 生成对话信息表 | 区分角色 | 用于后面分配音频 |
| 配置角色声音模型 | 实现多角色音频 | |
| 多线程音频生成 | 生成音频 |