路径说明: 所有脚本路径相对于此 Skill 目录。 执行时: cd {skill_dir} && python scripts/...

小说转有声书

工作流程

收到用户请求后，按以下步骤执行:

第一步: 获取章节内容

从用户输入中获取章节文本:

• 用户直接提供文本内容
• 用户提供文件路径（如 第一章.md、第一章.txt）
• 从小说项目目录中读取指定章节

同时询问用户是否需要调整:

• 旁白音色
• 背景音乐风格（根据章节题材自动匹配）

第二步: 分析章节 → 分段 + 角色标注

调用 DeepSeek 分析章节文本，识别旁白和对话:

python scripts/chapter_analyzer.py --file "章节文件路径" > temp_analysis.json

输出为 JSON，包含 segments 数组，每段有:

• type: title / narration / dialogue
• text: 分段文本
• character: 角色名（对话时）
• mood: 段落情绪

同时获得统计信息: 总字数、对话占比、角色列表。

注意: 将输出保存为临时 JSON 文件，供后续步骤使用。

第三步: 生成背景音乐（可选）

根据章节情绪生成纯音乐背景:

python scripts/music_generator.py \
  --mood "章节情绪（如悬疑/温馨/平静）" \
  --output "temp_bgm/bg_music.mp3"

情绪映射参考:

如用户不需要背景音乐，跳过此步。

第四步: 逐段生成语音

根据分段结果，调用 MiniMax TTS 为每段生成语音:

python scripts/tts_generator.py \
  --segments-file "temp_analysis.json" \
  --output-dir "temp_audio/" > temp_tts_result.json

音色分配规则:

• 章节标题 → 主播音色（chapter_intro_voice）
• 旁白 → 统一旁白音色（narration_voice）
• 角色对话 → 根据角色名自动分配音色:
  • 女性角色 → 女声
  • 男性角色 → 男声
  • 可在 config.json 的 character_voices 中自定义

第五步: 合成最终有声书

拼接所有语音段 + 混入背景音乐:

python scripts/audio_assembler.py \
  --segments "temp_tts_result.json" \
  --bg-music "temp_bgm/bg_music.mp3" \
  --output "E:/qwenpaw/Novel/有声书输出/小说名_章节名.mp3"

如没有背景音乐，去掉 --bg-music 参数。

第六步: 返回结果

将最终 MP3 文件路径和信息展示给用户:

• 文件名和路径
• 总时长
• 涉及角色列表

配置说明

在 config.json 中配置以下信息:

使用示例

示例 1: 用户提供文件路径

用户: 帮我把第一章转成有声书，文件在 E:\qwenpaw\Novel\当前作品\第一章.md

执行流程:

python scripts/chapter_analyzer.py --file "E:/qwenpaw/Novel/当前作品/第一章.md" > temp_analysis.json

python scripts/music_generator.py --mood "平静" --output "temp_bgm/bg_music.mp3"

python scripts/tts_generator.py --segments-file temp_analysis.json --output-dir temp_audio/ > temp_tts_result.json

python scripts/audio_assembler.py --segments temp_tts_result.json --bg-music temp_bgm/bg_music.mp3 --output "E:/qwenpaw/Novel/有声书输出/当前作品_第一章.mp3"

示例 2: 用户直接粘贴章节文本

用户: 这段转有声书：（粘贴文本内容）

用 --text 参数直接传文本:

python scripts/chapter_analyzer.py --text "粘贴的章节内容" > temp_analysis.json

注意事项

1. API Key: 与封面生成 Skill 共用 DeepSeek + MiniMax API Key
2. 处理时间: 长章节（5000字以上）TTS 生成可能需要几分钟，请耐心等待
3. 速率限制: MiniMax API 有频率限制，脚本已内置 0.3 秒延迟
4. 音色选择: 如果角色音色不合适，可以在 config.json 的 character_voices 字段中自定义映射
5. 背景音乐: 使用 music-2.6-free 免费模型，如需更高品质可改为 music-2.6（需付费）
6. 临时文件: 中间音频文件会保留在 temp_audio/ 和 temp_bgm/ 目录，可手动清理