开发计划.md 12 KB
AI有声书生成工具 - 开发计划
产品概述
开发一个AI有声书生成工具,用户输入长文本自动生成高质量音频,支持下载和分享。定位为内容创作者的音频制作工具,帮助自媒体作者、小说爱好者、学习者低成本制作音频内容。
核心功能
一、文本转音频(核心功能)
- 长文本支持:输入任意长度文本(无限制)
- 自动分段处理:智能分段,并行生成,快速完成
- 多种音色:标准音色、情感音色共10+种
- 参数调节:语速(0.5x-2.0x)、音调、音量
二、智能辅助
- 自动生成简介:AI提取核心内容,生成200字简介
- 自动生成标题:智能提取或生成吸引人的标题
- 标签推荐:自动分析文本生成标签
三、音频播放器（核心功能）
- 在线播放:无需下载,直接在线收听
- 播放控制:
- 播放/暂停
- 进度条拖动
- 上一条/下一条切换
- 倍速播放（0.5x/0.75x/1.0x/1.25x/1.5x/2.0x）
- 播放列表:历史记录作为播放列表
- 后台播放:支持后台播放,锁屏状态可继续播放
- 锁屏控制:锁屏界面显示播放控制
四、音频管理
- 下载保存:支持MP3格式下载
- 历史记录:保存生成历史,方便管理
- 收藏功能:收藏喜欢的音频
- 分享功能:生成分享链接或二维码
四、会员体系(简化版)
- 免费版:每天3次生成,每次最多5000字
- 月度会员(¥19.9/月):每天20次生成,每次最多50000字
- 年度会员(¥199/年):每天无限次生成,无字数限制
目标用户
主要用户群体
- 自媒体作者:想把文章转音频发布
- 小说爱好者:想听冷门小说或自己写的小说
- 学习者:想听论文、技术文档、学习资料
- 视障人士:需要听各种文档内容
用户场景
| 用户类型 | 典型场景 | 付费意愿 |
|---|---|---|
| 自媒体作者 | 文章转音频发布到平台 | 高(¥20-50/月) |
| 小说爱好者 | 网文转音频自己听 | 中(¥10-20/月) |
| 学习者 | 论文/文档转音频 | 中(¥10-30/月) |
| 视障人士 | 文档识别转音频 | 高(有政策支持) |
商业模式
收费模式
按字数收费 + 会员套餐
| 收费方式 | 价格 | 适用人群 |
|---|---|---|
| 按次付费 | ¥0.01/千字 | 轻度用户 |
| 月度会员 | ¥19.9/月 | 活跃用户 |
| 年度会员 | ¥199/年 | 重度用户 |
成本结构
- 讯飞TTS:¥0.2/千字符
- OSS存储:¥0.12/GB/月
- CDN流量:¥0.24/GB
- 服务器:¥500/月
盈利预测
| 阶段 | 用户数 | 付费率 | 月收入 | 月成本 | 月利润 |
|---|---|---|---|---|---|
| 3个月 | 1000 | 5% | ¥2,000 | ¥1,500 | ¥500 |
| 6个月 | 5000 | 6% | ¥12,000 | ¥5,000 | ¥7,000 |
| 12个月 | 20000 | 8% | ¥60,000 | ¥15,000 | ¥45,000 |
技术栈选择
前端技术
| 技术 | 版本 | 用途 |
|---|---|---|
| uniapp | 最新 | 跨平台框架(微信/H5) |
| Vue3 | 3.x | 前端框架 |
| TypeScript | 5.x | 类型安全 |
| Pinia | 2.x | 状态管理 |
| uni-ui | 最新 | UI组件库 |
后端技术
| 技术 | 版本 | 用途 |
|---|---|---|
| Node.js | 18 LTS | 运行时环境 |
| Koa | 2.x | Web框架 |
| TypeScript | 5.x | 类型安全 |
| MongoDB | 6.x | 数据库 |
| Redis | 7.x | 缓存/会话 |
| FFmpeg | 最新 | 音频处理 |
云服务
| 服务 | 提供商 | 用途 |
|---|---|---|
| ECS | 阿里云 | 服务器部署 |
| OSS | 阿里云 | 音频文件存储 |
| CDN | 阿里云 | 音频加速 |
| 讯飞语音 | 科大讯飞 | TTS服务 |
| 阿里云TTS | 阿里云 | TTS备用 |
实现方案
系统架构
graph TB
subgraph 客户端
A[微信小程序]
B[H5网页]
end
subgraph 服务端
C[Nginx]
D[Koa API服务]
E[TTS处理服务]
F[音频处理服务]
end
subgraph 数据层
G[MongoDB]
H[Redis缓存]
I[OSS音频存储]
end
subgraph 第三方服务
J[讯飞TTS API]
K[阿里云TTS API]
L[微信支付]
end
A --> C
B --> C
C --> D
D --> E
D --> F
E --> J
E --> K
D --> G
D --> H
F --> I
D --> L
核心模块设计
1. 长文本TTS处理
长文本输入 → 文本分段(500字/段) → 并行TTS生成 → 音频合并 → OSS存储 → 返回音频URL
优化:任务队列 + 异步处理,支持并发
2. 智能辅助生成
文本输入 → AI提取关键词 → 生成简介(200字) → 生成标题 → 推荐标签
使用:讯飞星火或阿里通义千问API
3. 用户权益控制
请求拦截 → 次数校验 → 字数校验 → 通过执行/拒绝提示
免费用户:3次/天,5000字/次
月度会员:20次/天,50000字/次
年度会员:无限次,无限制
4. 音频处理流程
TTS生成 → 格式转换(MP3) → 音频压缩 → 上传OSS → 生成下载链接
优化:CDN加速下载
数据库设计
用户表(users)
{
_id: ObjectId,
openid: String, // 微信openid
unionid: String, // 跨平台unionid
nickname: String,
avatar: String,
memberLevel: Number, // 0免费 1月度 2年度
memberExpireAt: Date,
dailyUsage: Number, // 今日使用次数
lastUsageDate: String, // 最后使用日期
createdAt: Date
}
音频记录表(audios)
{
_id: ObjectId,
userId: ObjectId,
title: String, // 标题
text: String, // 原文内容
summary: String, // AI生成简介
tags: [String], // 标签
audioUrl: String, // 音频URL
audioDuration: Number, // 时长(秒)
audioSize: Number, // 文件大小(字节)
wordCount: Number, // 字数
voiceId: String, // 音色ID
voiceParams: { // 参数
speed: Number,
pitch: Number,
volume: Number
},
status: String, // processing/completed/failed
createdAt: Date
}
订单表(orders)
{
_id: ObjectId,
userId: ObjectId,
orderNo: String,
productType: String, // monthly/yearly
amount: Number,
status: String, // pending/paid/failed
paymentMethod: String,
paidAt: Date,
createdAt: Date
}
目录结构
c:/Users/caoyg/test/audio/
├── client/ # uniapp前端项目
│ ├── src/
│ │ ├── pages/
│ │ │ ├── index/ # 首页(文本输入+生成)
│ │ │ ├── history/ # 历史记录页面
│ │ │ ├── mine/ # 个人中心
│ │ │ └── member/ # 会员页面
│ │ ├── components/
│ │ │ ├── TextInput.vue # 文本输入组件
│ │ │ ├── AudioPlayer.vue # 音频播放器
│ │ │ ├── VoiceSelector.vue # 音色选择器
│ │ │ └── MemberCard.vue # 会员卡片
│ │ ├── store/
│ │ │ ├── user.ts
│ │ │ └── audio.ts # 音频状态
│ │ ├── api/
│ │ │ ├── tts.ts # TTS接口
│ │ │ ├── user.ts # 用户接口
│ │ │ └── payment.ts # 支付接口
│ │ └── utils/
│ ├── manifest.json
│ ├── pages.json
│ └── package.json
│
├── server/ # Node.js后端项目
│ ├── src/
│ │ ├── modules/
│ │ │ ├── tts/ # TTS服务模块
│ │ │ │ ├── tts.controller.ts
│ │ │ │ ├── tts.service.ts
│ │ │ │ ├── xunfei.provider.ts # 讯飞实现
│ │ │ │ ├── aliyun.provider.ts # 阿里云实现
│ │ │ │ └── audio-merger.ts # 音频合并
│ │ │ ├── auth/ # 用户认证模块
│ │ │ │ ├── auth.controller.ts
│ │ │ │ ├── auth.service.ts
│ │ │ │ └── auth.dto.ts
│ │ │ ├── member/ # 会员模块
│ │ │ │ ├── member.controller.ts
│ │ │ │ └── member.service.ts
│ │ │ └── payment/ # 支付模块
│ │ │ ├── payment.controller.ts
│ │ │ └── payment.service.ts
│ │ ├── middleware/
│ │ │ ├── auth.ts # 认证中间件
│ │ │ ├── usageLimit.ts # 使用次数限制
│ │ │ └── errorHandler.ts
│ │ ├── models/
│ │ │ ├── User.ts
│ │ │ ├── Audio.ts
│ │ │ └── Order.ts
│ │ └── app.ts
│ ├── package.json
│ └── tsconfig.json
│
├── docs/
│ ├── API.md # API文档
│ └── DEPLOY.md # 部署文档
│
├── AI语音应用商业计划书.md
└── README.md
实施要点
性能优化
- 长文本并行生成,提升速度
- 任务队列处理,避免阻塞
- Redis缓存用户权益信息
- CDN加速音频下载
安全措施
- API签名验证
- 用户敏感数据加密
- 支付回调验签
- 音频链接时效性控制
成本控制
- 讯飞TTS:¥0.2/千字符
- OSS存储:¥0.12/GB/月
- CDN流量:¥0.24/GB
- 预估1000用户/月成本:¥1500
设计风格
采用现代化简约风格,以渐变色和卡片式设计为主,营造科技感与亲和力并存的视觉体验。主色调使用蓝色系,象征科技与信任,辅以温暖的橙色作为强调色。
页面规划
首页(核心页面)
- 顶部:Logo + 用户头像 + 剩余次数提示
- 中部:
- 文本输入区(支持粘贴、字数统计)
- 音色选择下拉
- 参数调节滑块(语速、音调、音量)
- 底部:生成按钮(渐变色主按钮)+ 底部导航栏
播放器页面（核心页面）
迷你播放器（全局底部悬浮）:
- 当前播放信息（封面、标题、时长）
- 播放/暂停按钮
- 下一首按钮
- 进度条（可拖动）
- 点击展开完整播放器
完整播放器页面:
- 顶部:返回按钮 + 标题
- 中部:
- 大封面图
- 文本预览
- 简介(AI生成)
- 播放控制:
- 进度条（可拖动，显示当前时间/总时长）
- 播放/暂停按钮
- 上一首/下一首按钮
- 倍速选择（0.5x/0.75x/1.0x/1.25x/1.5x/2.0x）
- 收藏按钮
- 底部:
- 下载按钮
- 分享按钮
- 添加到播放列表
历史记录页面
- 顶部:搜索栏
- 中部:音频列表(卡片式,显示标题、时长、生成时间、操作按钮)
- 底部:导航栏
个人中心页面
- 顶部:用户信息卡片(头像、昵称、会员状态)
- 中部:
- 会员中心入口
- 使用统计
- 设置
- 帮助反馈
- 底部:导航栏
会员页面
- 顶部:会员权益说明
- 中部:会员卡片对比(免费/月度/年度)
- 底部:立即开通按钮
开发计划
MVP阶段(2周)
第1周:
- 项目初始化
- 用户登录(微信授权)
- TTS核心功能(讯飞API集成)
- 文本输入+音频生成
第2周:
- 音频播放器（在线播放、进度控制、倍速播放）
- 后台播放、锁屏控制
- 播放列表功能
- 下载功能
- 历史记录
- 会员系统基础版
- 微信支付集成
V1.0阶段(1个月)
- 优化TTS生成速度
- 智能简介生成
- 更多音色选择
- 分享功能
- 管理后台
V1.5阶段(2-3个月)
- H5版本
- 批量生成
- 音频编辑功能
- 导出多种格式
Agent Extensions
Skill
- skill-creator: 用于创建项目开发规范skill,确保代码风格统一
- self-improvement: 开发过程中记录错误和改进点,持续优化代码质量
Integration
- 阿里云ECS: 部署后端服务
- 阿里云OSS: 音频文件存储与CDN加速
SubAgent
- code-explorer: 探索生成的代码结构,确保模块划分合理