🎙️ VoiceCopy 文本配音

一、产品简介

VoiceCopy 是一款文本转语音(TTS)的网页应用：输入文字，即可用你选择的音色朗读出来，生成一条完整的 MP3 音频，支持播放、下载与分享。无需安装 App，手机 / 电脑浏览器打开即用。

核心能力

• 语音合成：输入文本 → 选音色 → 生成 MP3，长文本自动分段合成后拼接成一条；
• 多种音色：系统预设音色（微软 Edge 免费音色）+ 你自己的克隆音色；
• 语音输入：按住按钮说话，自动转成文字填入文本框；
• 提取音频：从视频 / 音频文件中提取音轨，保存到历史记录；
• 声音克隆（需管理员在服务端配置密钥）：上传参考音频，创建专属音色；
• PWA：可"添加到主屏幕"，像原生 App 一样使用。

二、快速开始

1. 用手机或电脑浏览器打开 https://stockclaw-ai.online/tts/；
2. 首次使用可不登录（游客模式），或点击右上角「登录」使用完整功能；
3. 在文本框中输入内容（支持粘贴、从 txt 文件导入）；
4. 在「选择音色」列表点选一个音色；
5. 点击「开始合成」，等待进度条完成；
6. 完成后下方出现播放器，可试听、下载或分享。

三、功能详解

1. 文本输入

• 文本框支持直接输入或粘贴，自动识别 UTF-8 / GBK 编码的 txt 文件导入；
• 右上角实时显示字数（「N 字」）；
• 单次上限：登录用户 5000 字，游客 500 字；
• 长文本（上限内）会自动按句分块、合成后拼接成一条完整 MP3，无需手动分段；
• 语速可调：0.5× ~ 2.0×。

2. 语音输入（按住说话）

需浏览器麦克风权限，建议使用最新版 Chrome / Edge

• 点击「🎤 按住说话」按钮按住开始录音，松开自动转成文字填入文本框；
• 按住不足 0.6 秒视为误触，不会发起识别；
• 单次最长 60 秒，到时自动停止并转写；
• 识别耗时 ≈ 录音时长 ÷ 8 + 固定开销（短句出字更快）；
• 转写文字会追加到文本框末尾，与手动输入内容自动衔接。

3. 音色选择

• 列表分为两类：克隆音色排在前面（你自己创建的），系统预设音色排在后面；
• 点击音色可试听（每个音色只生成一次试听片段，不消耗配额）；
• 带 免费 标签的是零成本音色（Edge 预设）。

4. 模型与风格指令

• 配置了收费引擎时，「② 输入文本」区域会显示模型下拉框，可按需切换档位，并标注每万汉字价格；
• 风格指令（仅克隆音色 + CosyVoice v3/v3.5 模型）：用大白话描述方言、情感、角色，例如「请用河南话表达。」「温柔知性的女性，30 岁左右，语调平和」；
• 指令最长 100 字符（汉字算 2 个），超长会被拦截提示。

5. 合成与结果

• 点击「开始合成」后出现进度条，后台线程池异步处理；
• 完成后自动播放，支持：
  • 下载（手机上会以附件方式保存，文件名形如 voicecopy_xxx.mp3）；
  • 分享（支持的手机浏览器可直接把音频递给微信 / 文件 App）；
• 结果同时进入「历史记录」。

6. 历史记录

• 每次合成、每次提取音频都会保存到历史记录（游客不保留）；
• 列表限高可滚动，每条记录可播放 / 下载 / 分享 / 删除；
• 支持多选后批量删除（最多 100 条）；
• 提取音频在历史中标注为「提取音频」。

7. 提取音频（需登录）

• 点击「🎵 提取音频」，选择视频（如 mp4 / mov / mkv）或音频文件；
• 服务器自动提取音轨为 MP3，保存到历史记录（不自动下载）；
• 大小上限：视频 100MB、音频 20MB；视频音轨自动截取前 10 分钟；
• 每天限 20 次。

8. 声音克隆（需登录，需管理员配置服务商）

1. 点击「＋ 新建克隆音色」；
2. 上传参考音频（≥10 秒，建议 30 秒以上清晰人声），也支持上传视频自动提取音轨；
3. 勾选授权确认（仅可克隆你拥有权利的声音，合规红线）；
4. 创建成功后自动出现在音色列表最前面，可试听、使用、删除；
5. 删除音色时，参考音频与服务商侧的音色一并清理。

现场录音：克隆弹窗内支持「● 录音」，录音完成后自动创建音色。参考音频最好为纯人声、无伴奏噪声；系统音色与克隆音色的可用模型以页面显示为准。

四、账户与配额

游客模式（未登录）

登录用户

计费口径说明（收费引擎）

• Edge 预设音色免费；
• 收费引擎按「计费字符 ÷ 每单位 2000」向上取整 × 模型档位扣减（汉字算 2 个计费字符）；
• 档位示例：阿里云 v3.5-flash 每万汉字约 1.6 元（扣 1 次/单位），MiniMax hd 约 7 元（扣 4 次/单位）；
• 克隆音色扣 1 次；合成 / 复刻失败自动退回；
• 页面按钮会标注该音色实际会扣的次数。

五、常见问题

Q1：识别 / 合成等待时间较长？

语音识别耗时 ≈ 录音时长 ÷ 8 + 固定开销，按住越久等待越久，短句更快；超长音频的识别时间还受服务商处理速率波动影响。合成任务同理，长文本需要分块处理。

Q2：提示「没有识别到有效语音」？

说明录音里没有人声或声音太小：请靠近麦克风、说清楚一点，确认没有播放媒体，或把静音开大后再试。失败不消耗当天次数。

Q3：提示「今日次数已用完」？

游客有每日合成 / 识别次数上限（见上表），登录后额度更宽松；识别失败不计入次数。

Q4：手机浏览器 / 微信里录音不好用？

安卓 Chrome 支持录音与后台播放，体验最佳；微信内置浏览器建议点右上角「··· → 在浏览器打开」后使用；iPhone 切出页面会暂停录音，请保持页面在前台；网页无法截取微信内部音频，需外放播放。

Q5：为什么有时提示「识别任务繁忙」？

同时有太多人使用语音识别 / 提取音频，服务端限制并发以保障稳定，稍后重试即可。

Q6：下载的音频文件名为什么是英文 / 编号？

文件名由系统生成（如 voicecopy_xxx.mp3），内容不受影响；分享功能可保持原文件名。

Q7：可以商用 / 发布生成的音频吗？

成品音频属 AI 合成内容，使用时请遵守平台规范；克隆音色仅可用于你拥有权利的声音。

六、限制与边界

支持环境：Chrome / Edge（推荐）、Safari、安卓微信浏览器（部分功能受限）、支持 PWA 添加到主屏幕。