EasyVoice 使用本地大模型进行配音 的详细操作指南

---

一、部署前的环境准备

1. 本地大模型要求

   • 需支持 OpenAI API 兼容格式（如通过 gpt-3.5-turbo 或自定义模型）。
   • 推荐模型：qwen2.5:7b-instruct（轻量级中文模型）、ollama 部署的本地模型。
   • 硬件建议：至少 4GB 内存（7B 模型），推荐使用 GPU 加速。

2. 安装依赖工具

   • Ollama（若使用本地模型）：

     # 下载 Ollama（Windows/macOS/Linux）
     curl -fsSL https://ollama.com/install.sh | sh
     # 拉取中文模型（示例）
     ollama pull qwen2.5:7b-instruct
     

---

二、Docker 部署配置

1. 修改 docker-compose.yml 文件
   在环境变量中添加本地大模型地址及参数：

   services:
     easyvoice:
       image: cosincox/easyvoice:latest
       environment:
         - OPENAI_BASE_URL=http://192.168.50.60:11434/v1  # 本地模型 API 地址
         - MODEL_NAME=qwen2.5:7b-instruct                 # 模型名称
         - OPENAI_API_KEY=123456                        # 若模型需认证，填写 API Key
   

   注：若使用 Ollama，OPENAI_BASE_URL 需替换为 http://localhost:11434/v1。

2. 启动容器

   docker-compose up -d
   

---

三、调用本地大模型的两种方式

方式 1：通过 AI 推荐功能自动分配角色

1. 输入多角色文本
   在 Web UI 的文本框中粘贴包含角色标记的文本（需符合 AI 指令格式）：

   [角色1: 徐凤年]
   寒风如刀，割裂着崖壁上的残雪。孤立的黑石崖如同亘古的巨兽，蛰伏于苍茫群山之中。
   
   [角色2: 凌雪儿]
   一阵轻盈的脚步声打破了寂静。一个身着白衣的女子缓缓走来。
   

2. 配置参数

   • 选择 AI 推荐 模式。
   • 设置角色语音标签（如 角色1=男声，角色2=女声）。

3. 生成语音
   点击“生成语音”，AI 会自动分配不同音色并合成多角色对话音频。

方式 2：通过 API 自定义调用

1. 发送 HTTP 请求
   使用 curl 或代码调用本地模型：

   curl -X POST http://localhost:3000/api/v1/tts/generate \
   -H "Content-Type: application/json" \
   -d '{
     "data": [{"text": "寒风如刀，割裂着崖壁上的残雪。", "role": "徐凤年"}]
   }'
   

   • 参数说明：
     • role：指定调用本地模型的角色标签。
     • text：需转换的文本内容。

2. 处理返回结果
   响应为 JSON 格式，包含音频 URL 或二进制数据，可直接嵌入网页播放。

---

四、优化与调试技巧

1. 提示词工程
   在文本中添加指令词，提升角色区分度：

   [角色1: 沉稳的中年男声，语速较慢]
   "三十年河东，三十年河西..."
   
   [角色2: 清冷的少女音，语速较快]
   "萧兄，又在苦修剑法？"
   

2. 资源监控
   通过 Docker 监控容器资源占用：

   docker stats easyvoice  # 查看 CPU/内存使用率
   

3. 常见问题解决

   • 模型响应慢：降低 temperature 参数（如设为 0.3）或启用 GPU 加速。
   • 角色混淆：检查文本标记格式，确保每个角色段落独立。

---

五、实测案例

场景：生成《雪中悍刀行》多角色有声书

1. 输入文本（含角色标记）：

   [徐凤年]
   这江湖，终究是要用刀剑说话的。
   
   [李淳罡]
   剑来！
   

2. 生成效果：
   • 徐凤年使用 低沉男声，语速适中。
   • 李淳罡触发 激昂男声，语速加快。

---

六、扩展功能

1. 多模型混合调用
   在 docker-compose.yml 中配置多个模型，通过 API 切换：

   services:
     model1:
       image: cosincox/easyvoice:latest
       environment:
         - OPENAI_BASE_URL=http://localhost:11434/v1
         - MODEL_NAME=qwen2.5:7b-instruct
     model2:
       image: cosincox/easyvoice:latest
       environment:
         - OPENAI_BASE_URL=http://192.168.50.61:11434/v1
         - MODEL_NAME=gpt-4-turbo
   

2. 自定义语音库
   将本地音库挂载到容器：

   volumes:
     - ./custom_voice:/app/voices  # 挂载自定义语音文件
   

---

通过以上步骤，可充分发挥本地大模型的语言理解能力，实现高质量多角色配音。如需进一步优化，可参考 EasyVoice GitHub Wiki 中的进阶配置。