🎙️ VoiceCraft - AI驱动的语音处理平台

一个功能强大的AI语音处理平台，集成了文字转语音(TTS)和语音转文字(STT)双向功能。基于Microsoft Edge TTS和硅基流动API，支持20+种语音选项，为用户提供完整的语音处理解决方案。

直接使用: https://tts.wangwangit.com

✨ 特性

🎯 核心功能

🗣️ 文字转语音(TTS) - 基于Microsoft Edge TTS，支持20+种中文语音
🎧 语音转文字(STT) - 集成硅基流动API，高精度语音识别
🔄 双向处理 - 智能模式切换，语音与文字无缝转换
🌍 多语言支持 - 支持中文、英文、日文、韩文、西班牙文、法文、德文、俄文

🎨 用户体验

⚡ 秒速生成 - 快速生成高质量语音文件和转录文本
🆓 完全免费 - 无需注册，无使用限制
📱 响应式设计 - 完美适配桌面端和移动端
🎛️ 丰富参数 - 支持语速、音调、语音风格等多种调节
📥 支持下载 - 生成的音频可直接下载为 MP3 格式
📋 便捷操作 - 转录结果可复制、编辑，支持转为语音功能

🔧 技术特性

🔗 API 兼容 - 兼容 OpenAI TTS API 格式
🎵 多音频格式 - 支持mp3、wav、m4a、flac、aac等9种音频格式
🔐 灵活配置 - 支持默认Token和自定义Token配置
🎨 现代化UI - 优雅的卡片式设计，直观的模式切换

🚀 一键部署

点击按钮，一键部署到 CloudFlare Workers,

🎯 使用方法

🌐 网页界面使用

文字转语音模式

访问部署后的 Worker 域名
确保当前为"文字转语音"模式（默认模式）
选择输入方式：手动输入或上传txt文件
在文本框中输入要转换的文字，或上传txt文件
选择喜欢的语音、语速、音调、语音风格等参数
点击"开始生成语音"按钮
播放生成的音频或下载 MP3 文件

语音转文字模式

点击页面顶部的"语音转文字"按钮切换模式
上传音频文件（支持mp3、wav、m4a等9种格式，最大10MB）
选择Token配置：使用默认Token或输入自定义硅基流动Token
点击"开始语音转录"按钮
查看转录结果，支持复制、编辑或直接转为语音

🌍 多语言切换

点击右上角的语言切换器
支持中文、English、日本語、한국어、Español、Français、Deutsch、Русский
自动记住用户的语言偏好

🔌 API 调用

文字转语音 API

// JavaScript 调用示例
const response = await fetch('https://your-worker.workers.dev/v1/audio/speech', {
    method: 'POST',
    headers: {
        'Content-Type': 'application/json',
    },
    body: JSON.stringify({
        input: "你好，这是一个测试",
        voice: "zh-CN-XiaoxiaoNeural",
        speed: 1.0,
        pitch: "0",
        style: "general"
    })
});

const audioBlob = await response.blob();

# cURL 调用示例
curl -X POST "https://your-worker.workers.dev/v1/audio/speech" \
  -H "Content-Type: application/json" \
  -d '{
    "input": "你好，这是一个测试",
    "voice": "zh-CN-XiaoxiaoNeural",
    "speed": 1.0,
    "pitch": "0",
    "style": "general"
  }' \
  --output speech.mp3

语音转文字 API

// JavaScript 调用示例
const formData = new FormData();
formData.append('file', audioFile); // 音频文件
formData.append('token', 'your-siliconflow-token'); // 可选，不提供则使用默认token

const response = await fetch('https://your-worker.workers.dev/v1/audio/transcriptions', {
    method: 'POST',
    body: formData
});

const result = await response.json();
console.log(result.text); // 转录结果

# cURL 调用示例
curl -X POST "https://your-worker.workers.dev/v1/audio/transcriptions" \
  -F "[email protected]" \
  -F "token=your-siliconflow-token"

🎨 支持的语音

女声

zh-CN-XiaoxiaoNeural - 晓晓 (温柔)
zh-CN-XiaoyiNeural - 晓伊 (甜美)
zh-CN-XiaochenNeural - 晓辰 (知性)
zh-CN-XiaohanNeural - 晓涵 (优雅)
zh-CN-XiaomengNeural - 晓梦 (梦幻)
zh-CN-XiaomoNeural - 晓墨 (文艺)
zh-CN-XiaoqiuNeural - 晓秋 (成熟)
zh-CN-XiaoruiNeural - 晓睿 (智慧)
zh-CN-XiaoshuangNeural - 晓双 (活泼)
zh-CN-XiaoxuanNeural - 晓萱 (清新)
zh-CN-XiaoyanNeural - 晓颜 (柔美)
zh-CN-XiaoyouNeural - 晓悠 (悠扬)
zh-CN-XiaozhenNeural - 晓甄 (端庄)

男声

zh-CN-YunxiNeural - 云希 (清朗)
zh-CN-YunyangNeural - 云扬 (阳光)
zh-CN-YunjianNeural - 云健 (稳重)
zh-CN-YunfengNeural - 云枫 (磁性)
zh-CN-YunhaoNeural - 云皓 (豪迈)
zh-CN-YunxiaNeural - 云夏 (热情)
zh-CN-YunyeNeural - 云野 (野性)
zh-CN-YunzeNeural - 云泽 (深沉)

⚙️ API 参数

🗣️ 文字转语音 API 参数

参数	类型	默认值	说明
`input`	string	-	要转换的文本内容（必填）
`voice`	string	`zh-CN-XiaoxiaoNeural`	语音选择
`speed`	number	`1.0`	语速 (0.5-2.0)
`pitch`	string	`"0"`	音调 (-50 到 50)
`style`	string	`"general"`	语音风格
`volume`	string	`"0"`	音量调节

🎧 语音转文字 API 参数

参数	类型	默认值	说明
`file`	File	-	音频文件（必填，支持多种格式）
`token`	string	默认内置	硅基流动API Token（可选）

支持的音频格式

文件格式: mp3, wav, m4a, flac, aac, ogg, webm, amr, 3gp
文件大小: 最大 10MB
模型: FunAudioLLM/SenseVoiceSmall（自动使用）

支持的语音风格

general - 通用风格
assistant - 智能助手
chat - 聊天对话
customerservice - 客服专业
newscast - 新闻播报
affectionate - 亲切温暖
calm - 平静舒缓
cheerful - 愉快欢乐
gentle - 温和柔美
lyrical - 抒情诗意
serious - 严肃正式

🛠️ 技术架构

🔧 核心技术

前端: 现代化 HTML5 + CSS3 + 原生JavaScript
后端: Cloudflare Workers（边缘计算）
TTS引擎: Microsoft Edge TTS（20+种中文语音）
STT引擎: 硅基流动 FunAudioLLM/SenseVoiceSmall
国际化: 内置8种语言支持，自动检测浏览器语言

🎨 设计架构

设计系统: CSS变量 + 响应式布局
UI框架: 无依赖，纯原生实现
交互设计: 双向模式切换，直观的用户体验
API设计: RESTful API，兼容OpenAI格式

🔒 安全与性能

无服务器: 基于Cloudflare Workers，全球边缘部署
数据安全: 所有处理在边缘完成，无数据存储
高可用: 全球CDN加速，99.9%可用性
零配置: 开箱即用，无需额外配置

🎨 设计特色

🎯 用户界面

双模式设计: 水平布局的模式切换器，消除界面空白
现代化 UI: 采用简洁的卡片式设计
国际化界面: 8种语言无缝切换，右上角语言选择器
响应式布局: 完美适配各种设备尺寸
微交互: 丰富的悬停效果和动画

🎨 视觉体验

统一风格: 新旧功能视觉一致，无违和感
智能切换: 根据模式动态显示相关界面元素
无渐变设计: 使用纯色设计，更加专业
可访问性: 支持键盘导航和屏幕阅读器

📱 移动端优化

🔄 适配策略

模式切换: 移动端垂直布局，桌面端水平布局
触摸友好: 按钮尺寸针对移动端优化
文件上传: 支持拖拽和点击两种方式
性能优化: 针对移动设备的网络和性能优化

📋 功能适配

音频上传: 移动端优化的文件选择界面
结果展示: 移动端友好的转录结果展示
语言切换: 移动端下拉菜单适配

🔧 开发

本地开发

# 克隆项目
git clone <your-repo>

# 安装 Wrangler CLI
npm install -g wrangler

# 本地开发
wrangler dev

项目结构

├── index.js          # 主要代码文件
├── README.md         # 项目文档
└── wrangler.toml     # Cloudflare Workers 配置

🤝 贡献

欢迎提交 Issue 和 Pull Request！

📄 许可证

MIT License

🌟 更新日志

v2.0.0 - 重大更新

🎉 新增语音转文字功能 - 集成硅基流动API，支持高精度语音识别
🌍 多语言国际化 - 支持8种语言，自动检测浏览器语言
🎨 品牌升级 - 更名为VoiceCraft，全新的AI语音处理平台
🔄 双向处理 - 智能模式切换，语音与文字无缝转换
📱 界面优化 - 水平布局的模式切换器，更好的空间利用
🔧 错误修复 - 修复文本包含特殊字符时的XML转义问题

v1.x.x - 历史版本

基础的文字转语音功能
Microsoft Edge TTS集成
响应式设计

🙏 致谢

Microsoft Edge TTS - 提供高质量的语音合成服务
硅基流动 - 提供先进的语音识别API
Cloudflare Workers - 提供无服务器计算平台
开源社区 - 感谢所有贡献者和用户的支持

📞 联系我们

关注公众号「一只会飞的旺旺」获取更多 AI 工具和技术分享：

🔥 最新 AI 工具推荐和使用教程
🚀 前沿技术解析和实战案例
💎 独家资源和工具源码分享
💬 技术问题答疑和交流社群

🎙️ VoiceCraft - 让语音处理更智能，让创意更有声音！

从文字到语音，从语音到文字，AI驱动的完整语音处理解决方案。

Name		Name	Last commit message	Last commit date
Latest commit History 15 Commits
LICENSE		LICENSE
README.md		README.md
index.js		index.js
wrangler.toml		wrangler.toml

License

wangwangit/tts

Folders and files

Latest commit

History

Repository files navigation