Voice Chorus

诗文诵读是中华传统文化教育的重要组成部分。在数字内容创作、有声课本、短视频配音等场景中，经常需要生成一群人整齐朗读的音频素材。然而，真实的多人录音成本高、调度困难，且往往缺乏理想的声学环境。

基于此需求，实现了一套齐声诵读生成系统，能够将一段独白转化为极具临场感的立体声齐读音频，并特别为古文诵读场景进行了针对性优化。系统在保真度、群感融合度与美学表现上表现比较出色。

能力简介

该系统输入单声道独白片段，通过精细模拟语速差异、音高散布、性别分化、和声层次、空间距离、朗读跟随以及句尾渐慢等多种自然现象，合成并输出高度真实的一群人齐声朗读的立体声音频。核心能力介绍：

• TTS 干声生成：文本 → 云端 TTS → 干声 WAV；支持音色选择、重新生成
• 干声上传：直接上传预录 WAV，跳过 TTS 进入和声处理
• 多片段工作台：多片段录入，每片段独立音色与多参数和声调节，配置复用
• DSP 和声引擎：多声部合成（音高散布、性别分化、齐读层次、空间距离等）
• 拼接母带：全部片段拼接 + 后处理 + 交叉淡化 + LUFS 响度标准化
• 鉴权保护：访问控制，访问码保护（token+有效期），可选
• 试听预览：试听 TTS 干声与和声成品，下载带进度反馈

系统以单声道干声为输入，通过调制延迟、性别化音高偏移、共振峰塑形、分层朗读、距离感 EQ 以及句尾自然渐慢等 DSP 技术，在多维随机化中再现真实课堂的声学特征。同时，引入自适应参数推断使系统能够根据输入音频的时长、基频、动态和频谱特性自动设定最优参数，大幅降低使用门槛。针对移动端播放，还集成了响度标准化与频率适配模块，确保成品在手机扬声器上同样饱满清晰。

架构简述

单应用架构：一个 Vue 前端 + 一个 FastAPI 后端 + 一个 Nginx 反向代理。

容器化部署，可扩展为集群部署。任务同步需要额外的中间件。

支持本地 CLI 应用。

预设场景

系统内置若干套预设，适应多种常见场景，开箱即用。部分介绍如下：

• 真实感课堂：30 人、延迟开口、全效果开：领读跟读、Rubato、节奏同步、共振峰偏移、AGC 等，适合课堂诵读。
• 快速预览：12 人、低开销、禁用 VAD、截取前 10 秒，适合快速试听效果。
• 移动端播放优化：28 人、高响度、单声道兼容、硬限幅。
• 录音室品质：35 人、全效果开启、高和声比例、高领读增益、大混响。

用户可以在预设的基础上进一步调节，并可将自定义配置通过 Preset Mode 以结构化的形式（如 JSON）持久化到本地文件，加载时优先加载用户预设，同名用户预设覆盖内置预设。

项目现状

打磨中，已上线于小范围内测体验，将持续优化音频效果和使用交互。