# voice-studio-backup **Repository Path**: markets2022/voice-studio-backup ## Basic Information - **Project Name**: voice-studio-backup - **Description**: 备份自魔搭 modeai/voice-studio(同名仓已有内容) - **Primary Language**: Unknown - **License**: Not specified - **Default Branch**: master - **Homepage**: https://modelscope.cn/studios/modeai/voice-studio - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2026-10-17 - **Last Updated**: 2026-10-31 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # 语音工坊 Voice Studio 文字转语音 + 语音转文字,带异步进度、分享链接与二维码、容量滚动清理、多维度用量统计。 设计用于部署在魔搭 Studio(docker 类型,监听 `0.0.0.0:7860`)。 ## 能力 | 功能 | 说明 | |------|------| | 文字转语音 | edge-tts(免费无需 key),30+ 中文音色,可调语速/音调;按句切段并发合成,ffmpeg 拼接,附赠 srt 字幕 | | 语音转文字 | 本地 SenseVoice-Small ONNX(非自回归,CPU 约 2-5x 实时);ffmpeg silencedetect 找静音点切片,逐段并发识别,**流式逐段输出到页面** | | 异步与进度 | 提交即返回 job_id,后台线程池处理,SSE 推送"第几段/共几段 + 已用时 + 预计剩余" | | 分享 | 每条记录生成 `/s/{sid}`,后端 segno 出二维码 SVG,分享页移动端优先,扫码即可听/复制/下载 | | 存储 | 数据落在 `/mnt/workspace/data`,总量上限默认 1GB,单条保留 7 天,先到先清理(按创建时间从旧到新) | | 用户 | 自建账号(bcrypt + JWT)+ 游客双轨;游客每日 3 次、单次 1000 字 / 5 分钟音频 | | 统计 | `/admin`:注册数、DAU/MAU、任务数、成功率、字数/音频时长、P50/P95 耗时、引擎分布、次日留存、24 小时分布、Top 用户、存储占用,支持 CSV 导出 | ## 限制参数(默认值,均可用环境变量覆盖) | 参数 | 默认 | 环境变量 | |------|------|----------| | TTS 单次字数 | 5000(硬上限 10000) | `TTS_MAX_CHARS` / `TTS_MAX_CHARS_HARD` | | ASR 单文件 | 200MB / 2 小时 | `MAX_UPLOAD_MB` / `MAX_AUDIO_SECONDS` | | 并发 | TTS 3 / ASR 2 | `TTS_CONCURRENCY` / `ASR_CONCURRENCY` | | 总容量 | 1GB | `STORAGE_LIMIT_GB` | | 保留天数 | 7 | `KEEP_DAYS` | | 游客限额 | 3 次/日 · 1000 字 · 5 分钟 | `GUEST_DAILY_LIMIT` / `GUEST_MAX_CHARS` / `GUEST_MAX_SECONDS` | | 登录用户限额 | TTS 20 次/日 · ASR 10 次/日 | `USER_DAILY_TTS` / `USER_DAILY_ASR` | ## 本地运行 ```bash pip install -r requirements.txt python -m uvicorn app.main:app --host 0.0.0.0 --port 7860 # 打开 http://localhost:7860 ``` > ASR 首次调用会从魔搭下载 SenseVoice-Small(约 230MB)到 `data/models`,之后复用。 ## 部署到魔搭 Studio 1. 在魔搭创建 Studio:`sdk_type=docker`,硬件 `platform/2v-cpu-8g-mem` 2. 代码推到 Studio 仓库的 `master` 分支 3. 配置明文变量:`STORAGE_LIMIT_GB=1`、`KEEP_DAYS=7`;密钥:`VOICE_ADMIN_USER`、`VOICE_ADMIN_PASS` 4. 触发部署,容器监听 `0.0.0.0:7860` 注意: - 端口必须是 7860(80/8080 会被平台拒绝) - 只有 `/mnt/workspace` 会持久化,容器重启后其他路径清空 - API key 一律走 secrets,禁止写进代码 ## 目录结构 ``` app/ main.py 路由与页面 tts.py edge-tts 分段并发合成 + 拼接 + 字幕 asr.py 切片 + SenseVoice 本地推理 + 云端适配器 tasks.py 任务队列 + SSE 进度 storage.py 落盘 + 1GB 滚动清理 auth.py 账号 / 游客 / 配额 stats.py 多维度统计与 CSV 导出 templates/ 工作台 / 登录 / 分享页 / 统计面板 static/ 样式与前端逻辑 ``` ## 已知取舍 - ASR 走本地 CPU,1 小时录音约 15-30 分钟(非 3-6 分钟)。换来的是零 API key、零外部依赖。 想加速可把 `ASR_ENGINE=cloud` 并配置 `CLOUD_ASR_API_KEY`,自动回落本地。 - 文件定位是"临时中转站",不做长期存储;魔搭空间转让/重命名时数据仍会丢失。 - 免费硬件 2 核 8G,并发已按此上限设定,再高并发只会互相抢资源。