audio_codebuddy/docs/tts-overview.md

TTS 系统文档总览

这是项目所有 TTS 相关文档的总入口。从这里出发找到你想了解的细节。

---

📚 文档索引

🎯 核心数据(未来做"语言选择"功能必备)

文档	内容	行数
👉 alicloud-tts-lang-voice-matrix.md	模型 × 语言 × 音色矩阵(4 个 CosyVoice + Qwen-TTS 共 264 音色 × 19 标准化语言)	146

📘 详细分文档

文档	内容
tts-edge-languages.md	Edge TTS 75 语言 / 316 音色(免费,默认 vendor)
tts-aliyun-voice.md	阿里云百炼配置 + 项目默认音色 + CosyVoice 指令使用指南 + Qwen-TTS 完整 48 音色
qwen-tts-voices-full.md	Qwen-TTS 详细附录(独立备份)
cosyvoice-voice-design.md	声音设计完整指南(v3.5 / v3 / Qwen-TTS 都支持)

---

🏗️ 整体架构

                         TTS 路由
                           │
        ┌──────────────────┼──────────────────┐
        │                  │                  │
   ┌────▼─────┐      ┌─────▼─────┐    ┌──────▼──────┐
   │ Edge TTS │      │ 阿里云百炼  │    │ (未来声音设计) │
   │  (默认)  │      │ (付费更好)  │    │  (用户自创)  │
   └────┬─────┘      └─────┬─────┘    └──────────────┘
        │                  │
   316 音色            264 音色
   75 语言              11 标准化语言
   free                ~¥0.00003/字

---

🚀 默认 / 决策表

用户场景	推荐 vendor	模型	默认音色
默认(免费,够用)	edge	edge-tts	zh-CN-XiaoxiaoNeural
中文有声书(高质量)	bailian	cosyvoice-v3-flash	longanhuan_v3(支持 9 种方言)
多语言有声书	bailian	qwen3-tts-instruct-flash	Cherry(芊悦,中英日韩)
英语专业朗读	bailian	qwen3-tts-instruct-flash	詹妮弗(美式电影质感)
自定义独特声音	bailian	cosyvoice-v3.5-plus	用户描述创建

🔑 方言控制: longanhuan_v3 支持通过 instruction 字段输出 9 种方言（东北/粤/川/鲁/豫/湘/陕/皖/闽）。 代码全链路已贯通: pickTtsVendor → dialectInstruction → aliyun.provider.ts → CosyVoice API。 详见 docs/tts-aliyun-voice.md §方言指令控制

---

📊 关键数据(从官方文档抓取)

项目	数量
Edge TTS 支持的语言	75
Edge TTS 音色	316
阿里云 CosyVoice 系统音色	216(v3-flash 88 + v3-plus 2 + v2 106 + v1 20)
阿里云 Qwen-TTS 系统音色	48
阿里云支持的标准化语言/方言	19
项目实际使用的"龙"系列 CosyVoice	10

---

🛠️ 自动化脚本

脚本	用途
scripts/gen-edge-tts-doc.js	从 edge-tts --list-voices 生成 Edge TTS 文档
scripts/scrape-alicloud-qwen-tts.js	用 playwright 抓阿里云 Qwen-TTS SPA 页面
scripts/parse-qwen-tts-dom.js	DOM → Qwen-TTS markdown 表格
scripts/parse-cosyvoice-dom.py	DOM → CosyVoice voices JSON
scripts/analyze-model-lang-matrix.py	DOM → 模型 × 语言 × 音色矩阵 JSON
scripts/gen-lang-matrix-doc.js	JSON → 矩阵 markdown 文档
scripts/gen-aliyun-tts-doc.js	代码 + 权威资料 → 阿里云 TTS 主文档
scripts/render-local-html.js	playwright 渲染本地下载的 HTML

---

🗺️ 用户下载的本地资料(未入 git)

在 tts音色/ 目录(本地),由用户从阿里云官方下载:

文件	来源
Qwen-TTS音色列表-...html	https://help.aliyun.com/zh/model-studio/qwen-tts-voice-list
系统预置音色参数与特性列表-...html	系统音色完整参数表
声音设计-...html	声音设计指南(v3.5 / v3 / Qwen-TTS)
SSML 与 LaTeX-...html	高级 SSML 语法(暂未读)

这些文件不入 git(已在 .gitignore),用作脚本的输入数据源。

---

🗓️ 未来开发路线图

第一阶段:语言选择功能

• 完整摸清模型×语言×音色矩阵(见 alicloud-tts-lang-voice-matrix.md)
• 入仓矩阵 JSON 数据
• 后端 /api/tts/languages 接口
• 前端"语言选择器" UI

第二阶段:声音设计功能

• 完成后端 voice-design.service.ts(基于 cosyvoice-voice-design.md)
• 前端"声音设计向导" 4 步流程
• 用户自定义音色列表管理

第三阶段:高级特性

• SSML 支持(用 SSML 与 LaTeX.html 内容)
• 声音复刻功能(录制 → 训练 → 复刻特定声音)
• 实时 vs 非实时双路径切换(已部分实现)

---

📝 关键 commit 历史

Commit	内容
cec5ed14	Edge TTS 语言文档
de77fb37	CosyVoice 指令使用指南
438d49fc	Qwen-TTS 48 音色 + 抓取脚本
506b8e4f	阿里云 TTS 配置 + 11 项目音色
99275640	模型 × 语言 × 音色矩阵

---

最后更新: 2026-07-12 维护者: Claude / caojunfei