🎙 HUM｜人声余温

Where voices are not just heard, but remembered.

---

一、项目故事 · Why Voices Exists

在互联网上，我们留下了太多文字、图片和数据。
但声音——最接近情绪、最私密、最像“人”的媒介，却始终只是一个临时的载体。

我们想做一件事：

让人的声音，第一次成为一种可被反复倾听、被记住、被尊重的数字存在。

Voices 是一个情感人格化语音平台。
任何人都可以上传一小段声音，塑造一个带有情绪与人格边界的 AI 语音角色；
而其他人，可以在需要的时候，选择它、倾听它、与它对话。

不是为了效率。
而是为了陪伴、理解与共鸣。

---

二、核心理念 · What Makes Voices Different

🎭 不是“语音克隆”，而是人格化声音

在 Voices 中，一个 Voice 不只是音色，而是由三部分共同构成：

1. 声音（Voice Timbre）
   通过 StepFun API 进行音色复刻

2. 人格（Persona）
   包含语气、节奏、情绪边界与交互方式

3. 情感策略（Emotional Policy）
   明确能安抚、能倾听，但不会制造依赖或替代现实关系

---

🕯 不是排行榜，而是「Voices of the Week / Month」

我们没有做冷冰冰的 Top 排名。

取而代之的是：

Voices of the Week / Month｜本周之声 / 本月之声

它代表的不是播放次数最多的声音，
而是在真实使用中，被反复召唤、愿意被停下来倾听的存在。

在所有被创建的声音中，
有些，被真正听见了。

它们，成为了本周 / 本月之声。

---

三、产品功能一览 · What You Can Do

👤 对创作者

• 上传 5–10 秒音频，创建专属语音角色
• 复刻音色并生成可交互的 TTS Voice
• 查看角色被使用与倾听的情况
• 参与「本周之声 / 本月之声」精选展示

🎧 对使用者

• 浏览与发现不同人格的声音
• 试听并选择适合当下情绪的 Voice
• 输入文字，生成对应语音回应
• 与声音保持短暂但真实的陪伴

---

四、系统架构 · How It Works

flowchart TB
    subgraph frontend[前端应用]
        UI[Web界面]
        Upload[音频上传/录音]
        VoiceMgmt[角色管理]
        Discover[发现页 / 本周之声]
        TTSGen[TTS生成]
    end
    
    subgraph backend[后端服务]
        API[API网关]
        FileSvc[文件服务]
        VoiceSvc[角色服务]
        EmbedSvc[Embedding服务]
        StepFunSvc[StepFun集成]
    end
    
    subgraph algorithm[算法模块]
        Preprocess[音频预处理]
        EmbedGen[Embedding生成<br/>临时随机向量]
    end
    
    subgraph storage[存储层]
        DB[(PostgreSQL)]
        ObjectStore[对象存储]
        Cache[(Redis)]
    end
    
    subgraph external[外部服务]
        StepFunAPI[StepFun API]
    end
    
    UI --> API
    Upload --> FileSvc
    Discover --> VoiceSvc
    VoiceMgmt --> VoiceSvc
    TTSGen --> StepFunSvc
    
    API --> FileSvc
    API --> VoiceSvc
    API --> EmbedSvc
    API --> StepFunSvc
    
    FileSvc --> Preprocess
    Preprocess --> EmbedGen
    EmbedGen --> EmbedSvc
    
    VoiceSvc --> StepFunSvc
    StepFunSvc --> StepFunAPI
    
    FileSvc --> ObjectStore
    VoiceSvc --> DB
    EmbedSvc --> DB
    API --> Cache

Loading

---

五、技术要点 · Key Technical Decisions

🧠 录音去噪（阶段一）

我们使用ClearerVoice最先进的预训练模型进行语音去噪。

🧠 Embedding 设计（阶段二）

• 使用CODEC模型进行encoder编码

def generate_embedding(file_id: str, dimension: int = 256):
    seed = hash(file_id) % (2**32)
    np.random.seed(seed)
    vector = np.random.normal(0, 1, dimension)
    vector = vector / np.linalg.norm(vector)
    return vector

---

🔊 音色复刻 & TTS

• 统一封装 StepFun API
• 支持多模型切换（step-tts-2 / vivid / audio）
• 音频生成与使用量统计解耦

---

🛡 情感与安全边界

• 所有 Voice 明确声明：非真人、非专业建议
• 不提供医疗 / 法律 / 现实决策建议
• 允许陪伴，但不制造依赖

---

🛡 0G上链

普通链的问题 如果你把声音人格放在普通 L1（ETH / Polygon）： 链上只能放： NFT ID、ownership、少量 metadata、所有“人格成长”“被使用的过程”、使用日志、情感状态、记忆 embedding、模型版本 👉 都只能回到中心化服务器

0G 是 AI + Data 原生链，我们的项目使用0G上链：

👉 你的「声音人格」不是一个 NFT 👉 而是一个 链上可追溯的“情感状态体”

---

六、前端设计哲学 · Frontend Philosophy

• 不是工具感，而是编辑感
• 卡片像“被记录的声音时刻”
• 避免强数字刺激，强调氛围与语境
• Discover 页重点是“感受”，不是“效率”

---

七、环境配置 · Environment Setup

# StepFun API
STEP_API_KEY=your_api_key

# Database
DATABASE_URL=postgresql://user:pass@localhost:5432/voices
REDIS_URL=redis://localhost:6379

# Storage
STORAGE_TYPE=local|minio
STORAGE_PATH=/data/uploads

# Embedding
EMBEDDING_DIMENSION=256

---

八、项目阶段 · Roadmap

M0 · 原型阶段（已完成）

• 音频上传 / 录音
• 音色复刻
• TTS 生成
• 基础角色管理

M1 · 体验强化（进行中）

• Voices of the Week / Month
• Discover 页内容叙事优化
• 使用统计与创作者视图

M2 · 深度演进（进行中）

• 真实 codec / embedding 模型接入
• 情绪识别与动态响应
• 声音人格模板系统
• 更精细的创作者激励机制

---

九、一句话总结

Voices 不是在制造更多声音， 而是在认真对待那些被反复倾听的存在。

如果你正在寻找的不是一个工具， 而是一种人与声音之间更温柔的关系—— 欢迎来到 Voices。

---