本地运行的中文语音克隆、音色设计与全网音乐发行工作台。
一条命令合成音频，不联网、无需商业 API Key、私密音频永不离机。
面向创作者、独立音乐人，以及 AI / Agent 自动化工作流。
快速开始 · 核心命令 · Web 工作台 · 全网发行 · Agent 调用
| 特性 | ElevenLabs / 商业云 | 剪映配音 / 在线平台 | VoxFlow 声流 |
|---|---|---|---|
| 音频隐私安全 | ❌ 必须上传云端 | ❌ 依赖平台服务器 | 🛡️ 全程本地运行，绝不出机 |
| 声音克隆 | ❌ 不支持自定义 | ✅ 一段 5~10 秒样音即刻克隆 | |
| 文字描述造音色 | ❌ 无此能力 | 🎨 无需参考音，一句话提示词凭空捏音 | |
| 持续使用成本 | 💸 按 Token/字符持续扣费 | 🔒 绑定特定生态 | 🎁 一次部署，永久免费 |
| 全网发行集成 | ❌ 需手动分发 | ❌ 仅限内置分发 | 🚀 汽水音乐 / QQ音乐 / 网易云发行台账集成 |
| 开发与自动化 | ✅ REST API | ❌ 封闭 GUI | ⚡ 统一 CLI + FastAPI 后端 + Agent Skill |
| 成本与回本可见 | ❌ 只给账单总额 | ❌ 无 | 📊 每首歌花了多少 · 播多少次回本 · 实测千播单价 |
git clone https://github.com/webkubor/voxflow.git
cd voxflow
# --skip-models：先不下 7 GB 模型，装完就能开工
chmod +x install.sh && ./install.sh --skip-models
source .venv/bin/activate
voice doctor # 环境自检voice web
# → 浏览器访问 http://localhost:8866不用等模型下完才开始。 本地 TTS 的模型权重有 7 GB，但 VoxFlow 里 不碰本地模型的功能占了一多半：
| 立刻可用（零下载） | 需要 Base 模型（3.4 GB） | 需要 VoiceDesign（3.4 GB） |
|---|---|---|
| AI 音乐（Suno） | 声音克隆 | 一句话凭空捏音色 |
| 作品看板 / 全网发行台账 | 多角色剧本合成 | |
| 运营台（成本 / 健康 / 日志） |
所以首屏按当前能力决定落点：模型没下时直接落在「AI 音乐」而不是一屏 灰按钮。想用克隆时点进去，那一屏有张卡可以就地开始下载（后台跑， 关掉页面也不中断），并列出这期间照常能用的功能。
也可以一次装到底：
./install.sh # 交互式，问你要不要下 VoiceDesign
./install.sh --yes # 无交互，两个模型都下（CI / Agent）
./install.sh --yes --skip-voice-design # 只下 Base，省 3.4 GB模型下到
~/.voxflow/models/（数据目录），不是项目目录 —— 重装工具、换分支、git clean都不会让你重下一遍 7 GB。
VoxFlow 提供现代化 Typer CLI 工具链，支持本地音频处理全流程：
使用已有音色角色批量合成台词文本：
# 基础克隆
voice clone narrator "霜叶红于二月花，山色空蒙雨亦奇"
# 指定语气与情绪修饰
voice clone xiao_jing "今天天气真好，我们一起去散步吧！" --tone "轻快活泼" --emotion "happy" -o out/morning.wav无需任何参考音频，仅通过自然语言描述创造专属音色：
# 通过文字描述设计新音色并入库
voice design sword_master "十步杀一人，千里不留行。" --tone "苍劲豪迈的江湖侠客，沉稳威严"根据剧本配置文件一键批量合成完整对话音轨：
voice dialogue configs/dialogue.json -o out/story_episode_1.wavvoice voice list # 查看本地所有已注册音色
voice voice add my_voice sample.wav # 从参考音频注册新音色
voice voice preview narrator # 试听音色预设样音
voice voice rm old_voice # 删除指定音色voice stats # 近 30 天：钱花在哪、本地跑省下多少
voice stats --tracks # 按作品拆分：每首歌成本 + 回本播放数
voice stats --json # 结构化输出，供 agent 判断「还要不要继续跑」
voice logs --level error # 只看失败的调用（失败照样扣上游积分）VoxFlow 内置高对比、纯净深色的现代音频创作界面：
- 音色工坊：左侧统一管理所有已装载的音色艺人，支持快捷试听波形律动与样音状态。
- 创作控制台：包含快速氛围预设（温柔治愈 / 激情旁白 / 午夜低语 / 武侠江湖）、情绪优先级控制与草稿箱管理。
- 全网发行枢纽：直连 汽水音乐、QQ音乐、网易云音乐 发行台账，管理歌手档案、歌曲 ID 映射及平台元数据。
- 媒体资产库：历史音频一键在线试听、波形查看与批量物理下载。
- 全定制纯净播放器：完全剔除原生浏览器控件，提供极细时间轨、高精度拖拽定位与无损播放。
- 运营台：成本、收益、系统健康、运行日志四合一 —— 见下一节。
大多数 AI 创作工具只告诉你「生成成功」。VoxFlow 还告诉你这次生成花了多少、 这首歌播多少次回本、到今天为止是赚还是赔。
访问 http://localhost:8866/#/ops，或跑 voice stats。
| 上游 | 计费方式 | 在账上怎么体现 |
|---|---|---|
| 本地 TTS（Qwen3-TTS） | 免费 | 实付永远 ¥0，同时折算出「同样的量走商业 API 要多少」 |
| Suno AI 音乐 | 订阅积分 | 每次生成扣的 credits × 当时单价 |
| museav 中台（出图 / 文案） | 预付积分 | 按 token / 张数计量 |
两个容易被忽略、但这里特意做了的细节：
- 失败的调用照样记账。Suno 生成失败一样扣积分，只记成功的话账永远对不上， 而「失败率 × 单价」正是最该被看见的那笔浪费。
- 成本在写入时按当时单价定格。换套餐、中台调价，都不会回溯改写历史账目 —— 否则改一次价，过去半年的账全变了。
单价表在 configs/pricing.json，复制到 ~/.voxflow/configs/
即可覆盖，升级不会被冲掉。
平台后台同时给出累计播放量和可提现金额，两个数一除就是这个账号实际拿到的 千播单价 —— 比任何公开资料都准，因为它已经包含了实际权益档位。
界面上会明确标注每个单价是「实测」还是「估算」。分成率零一手资料的平台 （如腾讯系）宁可留空，也不填一个猜的数 —— 猜的数会被当成真数据拿去做决策。
账号级汇总回答不了「下一首该做什么风格」。单曲维度的播放量公开 API 给不了
（网易云 song/detail 的 playedNum 恒为 0，实测过），只能从音乐人后台抓：
VF_BASE=$PWD browser-harness < scripts/ncm_stats.py # 账号级：总播放 / 粉丝 / 收益
VF_BASE=$PWD browser-harness < scripts/ncm_track_stats.py # 单曲级：近 30 日播放量运营台的作品表随即给出每首歌的 成本 · 近30日播放 · 折算收益 · ROI · 回本还差多少次。
两个必须说清的口径：
- 播放量是近 30 日，不是累计。后台只给 7 日 / 30 日两档；而且累计里绝大部分 是老作品的历史沉淀，「最近 30 天哪首在涨」才是能指导选题的信号。
- 单曲收益是折算的。后台没有单曲收益列，所以按
播放量 × 实测千播单价折算。 网易云按播放计费、同账号各曲单价基本相同，折算站得住 —— 但它不是平台实付， 界面上标着，别拿它对账。
表里的「—」表示没有数据，不是 0。两者含义完全不同：前者是还没抓，后者是真的没播。
/api/health 检查库能不能读、数据目录能不能写、磁盘还剩多少、模型下完没有、
任务队列堵没堵，返回 ok / degraded / down 三档。
degraded 是最有用的那一档 —— 「还能出歌，但快没空间了」。只有 ok/down 两档的话，
degraded 会被算成 ok，等发现时已经是 down。
curl -s localhost:8866/api/health | jq .status # 给监控/agent 用
curl -s localhost:8866/api/metrics | jq .routes # 各端点的量、错误率、P50/P95VoxFlow 不仅是语音合成引擎，更是面向独立创作者的音乐与音频发行管理中枢：
- 歌手身份台账 (
configs/artist.json)：统一维护公开艺名、实名版权主体、各平台主页与平台歌手 ID。 - 多平台数据对齐：支持自动解析与校验汽水音乐、QQ 音乐、网易云音乐已上架曲目 ID 与播放外链。
- 标准分发规范：一键打包 Audio、Cover 与歌词 Meta 资产包，对齐各大音乐发行渠道规范。
VoxFlow 原生面向自动化 Agent 体系设计：
./install.sh --yes # 全自动安装：依赖 + Base + VoiceDesign 模型
./install.sh --yes --skip-voice-design # 仅装依赖与 Base 模型（省 4.2GB）voice doctor # 终端表格检查报告
voice doctor --json # 输出 JSON 格式供 Agent 决策解析voxflow/
├── cli/ # Typer CLI 命令入口 (clone / design / dialogue / web / doctor 等)
├── core/ # 核心业务引擎 (克隆器 / 提示词设计 / 数据库 / 管道分发 / 计量 obs.py)
├── web/ # FastAPI 后端路由与静态服务
│ ├── app.py # RESTful API 端点 (合成、音色、艺人档案、任务队列、健康/指标/成本)
│ └── ui/ # Vue 3 + Pinia + Vite 现代纯黑工作台前端源码
├── configs/ # 平台 SOP、单价表 (pricing.json) 及初始配置
├── tests/ # 计量逻辑自检（无框架，python tests/test_obs.py 直接跑）
└── assets/ # 品牌图标与官方工作台截图
本项目采用 Apache-2.0 许可证开源。 底层语音建模基于 Qwen3-TTS 深度定制开发。