[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-Audio-AGI--WavJourney":3,"tool-Audio-AGI--WavJourney":65},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",161147,2,"2026-04-19T23:31:47",[13,14,15],"开发框架","Agent","语言模型","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,3,"2026-04-06T11:19:32",[15,26,14,13],"图像",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":10,"last_commit_at":33,"category_tags":34,"status":16},8553,"spec-kit","github\u002Fspec-kit","Spec Kit 是一款专为提升软件开发效率而设计的开源工具包，旨在帮助团队快速落地“规格驱动开发”（Spec-Driven Development）模式。传统开发中，需求文档往往与代码实现脱节，导致沟通成本高且结果不可控；而 Spec Kit 通过将规格说明书转化为可执行的指令，让 AI 直接依据明确的业务场景生成高质量代码，从而减少从零开始的随意编码，确保产出结果的可预测性。\n\n该工具特别适合希望利用 AI 辅助编程的开发者、技术负责人及初创团队。无论是启动全新项目还是在现有工程中引入规范化流程，用户只需通过简单的命令行操作，即可初始化项目并集成主流的 AI 编程助手。其核心技术亮点在于“规格即代码”的理念，支持社区扩展与预设模板，允许用户根据特定技术栈定制开发流程。此外，Spec Kit 强调官方维护的安全性，提供稳定的版本管理，帮助开发者在享受 AI 红利的同时，依然牢牢掌握架构设计的主动权，真正实现从“凭感觉写代码”到“按规格建系统”的转变。",88749,"2026-04-17T09:48:14",[15,26,14,13],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":10,"last_commit_at":41,"category_tags":42,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,15],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":10,"last_commit_at":49,"category_tags":50,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",85267,"2026-04-18T11:00:28",[26,51,52,53,14,54,15,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":62,"last_commit_at":63,"category_tags":64,"status":16},5784,"funNLP","fighting41love\u002FfunNLP","funNLP 是一个专为中文自然语言处理（NLP）打造的超级资源库，被誉为\"NLP 民工的乐园”。它并非单一的软件工具，而是一个汇集了海量开源项目、数据集、预训练模型和实用代码的综合性平台。\n\n面对中文 NLP 领域资源分散、入门门槛高以及特定场景数据匮乏的痛点，funNLP 提供了“一站式”解决方案。这里不仅涵盖了分词、命名实体识别、情感分析、文本摘要等基础任务的标准工具，还独特地收录了丰富的垂直领域资源，如法律、医疗、金融行业的专用词库与数据集，甚至包含古诗词生成、歌词创作等趣味应用。其核心亮点在于极高的全面性与实用性，从基础的字典词典到前沿的 BERT、GPT-2 模型代码，再到高质量的标注数据和竞赛方案，应有尽有。\n\n无论是刚刚踏入 NLP 领域的学生、需要快速验证想法的算法工程师，还是从事人工智能研究的学者，都能在这里找到急需的“武器弹药”。对于开发者而言，它能大幅减少寻找数据和复现模型的时间；对于研究者，它提供了丰富的基准测试资源和前沿技术参考。funNLP 以开放共享的精神，极大地降低了中文自然语言处理的开发与研究成本，是中文 AI 社区不可或缺的宝藏仓库。",79857,1,"2026-04-08T20:11:31",[15,51,54],{"id":66,"github_repo":67,"name":68,"description_en":69,"description_zh":70,"ai_summary_zh":70,"readme_en":71,"readme_zh":72,"quickstart_zh":73,"use_case_zh":74,"hero_image_url":75,"owner_login":76,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":78,"owner_location":78,"owner_email":78,"owner_twitter":78,"owner_website":78,"owner_url":79,"languages":80,"stars":92,"forks":93,"last_commit_at":94,"license":95,"difficulty_score":96,"env_os":97,"env_gpu":98,"env_ram":99,"env_deps":100,"category_tags":106,"github_topics":78,"view_count":10,"oss_zip_url":78,"oss_zip_packed_at":78,"status":16,"created_at":107,"updated_at":108,"faqs":109,"releases":110},9898,"Audio-AGI\u002FWavJourney","WavJourney","WavJourney: Compositional Audio Creation with LLMs","WavJourney 是一款基于大语言模型（LLM）的创意音频生成工具，旨在将简单的文本提示转化为包含完整故事情节的丰富音频内容。它解决了传统音频生成工具难以协调多元素、缺乏叙事连贯性的痛点，能够自动编排个性化角色对话、符合语境的自然语音、情感共鸣的背景音乐以及增强沉浸感的音效，从而创作出具有电影质感的听觉作品。\n\n这款工具特别适合研究人员、多媒体创作者、游戏开发者以及希望探索 AI 辅助叙事的故事讲述者使用。无论是制作广播剧、有声书片段，还是为视频项目快速原型化音效场景，WavJourney 都能提供强大的支持。\n\n其核心技术亮点在于“组合式”生成架构：利用大语言模型作为“导演”来规划整体剧本和声音布局，再调用专门的语音合成与音频生成模型执行具体任务。更独特的是，它支持高度定制化的角色声音管理，用户只需提供少量录音样本和描述，即可创建专属的声音预设，让 AI 根据剧情自动匹配最合适的音色。虽然目前主要在 Linux 环境下运行且对显卡显存有一定要求，但其开放的架构和活跃的社区生态，使其成为当前音频生成领域极具潜力的开源项目。","# \u003Cspan style=\"color: blue;\">🎵\u003C\u002Fspan> WavJourney: Compositional Audio Creation with LLMs\n[![arXiv](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FarXiv-Paper-\u003CCOLOR>.svg)](https:\u002F\u002Farxiv.org\u002Fabs\u002F2307.14335) [![GitHub Stars](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fstars\u002FAudio-AGI\u002FWavJourney?style=social)](https:\u002F\u002Fgithub.com\u002FAudio-AGI\u002FWavJourney\u002F) [![githubio](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FGitHub.io-Demo_Page-blue?logo=Github&style=flat-square)](https:\u002F\u002Faudio-agi.github.io\u002FWavJourney_demopage\u002F) [![Hugging Face Spaces](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F%F0%9F%A4%97%20Hugging%20Face-Spaces-blue)](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002FAudio-AGI\u002FWavJourney) [![](https:\u002F\u002Fdcbadge.vercel.app\u002Fapi\u002Fserver\u002F5Hqu9NmA8V?style=flat&compact=True)](https:\u002F\u002Fdiscord.com\u002Finvite\u002F5Hqu9NmA8V)\n\n\u003Ci>We are actively seeking research and commercial cooperation in advancing AI-assisted multimedia storytelling. If you are interested, please email [xubo.liu@surrey.ac.uk](mailto:xubo.liu@surrey.ac.uk) for more details!\u003C\u002Fi> :open_hands:\t\n\nThis repository contains the official implementation of [\"WavJourney: Compositional Audio Creation with Large Language Models\"](https:\u002F\u002Faudio-agi.github.io\u002FWavJourney_demopage\u002FWavJourney_arXiv.pdf).\n\nStarting with a text prompt, WavJourney can create audio content with engaging storylines encompassing personalized speakers, lifelike speech in context, emotionally resonant music compositions, and impactful sound effects that enhance the auditory experience. \n\nWelcome to share your creation with [Discord](https:\u002F\u002Fdiscord.com\u002Finvite\u002F5Hqu9NmA8V) or the [HuggingFace](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002FAudio-AGI\u002FWavJourney\u002Fdiscussions) community!\n\n\u003Cp align=\"center\">\n  \u003Cimg align=\"middle\" width=\"800\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FAudio-AGI_WavJourney_readme_e6a42befcc42.png\"\u002F>\n\u003C\u002Fp>\n\n\u003Chr>\n\n\n## Preliminaries\n1. Install the environment:\n```bash\nbash .\u002Fscripts\u002FEnvsSetup.sh\n```\n2. Activate the conda environment:\n```bash\nconda activate WavJourney\n```\n\n3. (Optional) You can modify the default configuration in `config.yaml`, check the details described in the configuration file. \n4. Pre-download the models (might take some time):\n```bash\npython scripts\u002Fdownload_models.py\n```\n\n5. Set the WAVJOURNEY_OPENAI_KEY in the environment variable for accessing [GPT-4 API](https:\u002F\u002Fplatform.openai.com\u002Faccount\u002Fapi-keys) [[Guidance](https:\u002F\u002Fhelp.openai.com\u002Fen\u002Farticles\u002F7102672-how-can-i-access-gpt-4)]\n```bash\nexport WAVJOURNEY_OPENAI_KEY=your_openai_key_here\n```\n\n6. Set environment variables for using API services.\n```bash\n# Set the port for the WAVJOURNEY service to 8021\nexport WAVJOURNEY_SERVICE_PORT=8021\n\n# Set the URL for the WAVJOURNEY service to 127.0.0.1\nexport WAVJOURNEY_SERVICE_URL=127.0.0.1\n\n# Limit the maximum script lines for WAVJOURNEY to 999\nexport WAVJOURNEY_MAX_SCRIPT_LINES=999\n```\n\n\n7. Start Python API services (e.g., Text-to-Speech, Text-to-Audio)\n```bash\nbash scripts\u002Fstart_services.sh\n```\n\n## Web APP\n ```bash\nbash scripts\u002Fstart_ui.sh\n  ```\n\n## Commandline Usage\n ```bash\n python wavjourney_cli.py -f --input-text \"Generate a one-minute introduction to quantum mechanics\" \n ```\n\n\n## Kill the services\nYou can kill the running services via this command:\n ```bash\npython scripts\u002Fkill_services.py\n  ```\n  \n## (Advanced features) Speaker customization \nYou can add voice presets to WavJourney to customize the voice actors. Simply provide the voice id, the description and a sample wav file, and WavJourney will pick the voice automatically based on the audio script. Predefined system voice presets are in `data\u002Fvoice_presets`.\n\nYou can manage voice presets via UI. Specifically, if you want to add voice to voice presets. Run the script via command line below:\n```bash\npython add_voice_preset.py --id \"id\" --desc \"description\" --wav-path path\u002Fto\u002Fwav --session-id ''\n```\nWhat makes for good voice prompt? See detailed instructions \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fgitmylo\u002Fbark-voice-cloning-HuBERT-quantizer\">here\u003C\u002Fa>. \n## Hardware requirement\n- The VRAM of the GPU in the default configuration should be greater than 16 GB.\n- Operation system: Linux.\n\n## Citation\nIf you find this work useful, you can cite the paper below:\n\n    @article{liu2023wavjourney,\n        title   = {WavJourney: Compositional Audio Creation with Large Language Models},\n        author  = {Liu, Xubo and Zhu, Zhongkai and Liu, Haohe and Yuan, Yi and Huang, Qiushi and Liang, Jinhua and Cao, Yin and Kong, Qiuqiang and Plumbley, Mark D and Wang, Wenwu},\n        journal = {arXiv preprint arXiv:2307.14335},\n        year    = {2023}\n    }\n\n[![\"Buy Me A Coffee\"](https:\u002F\u002Fwww.buymeacoffee.com\u002Fassets\u002Fimg\u002Fcustom_images\u002Forange_img.png)](https:\u002F\u002Fwww.buymeacoffee.com\u002Fliuxubo)\n\n## Appreciation\n- [Bark](https:\u002F\u002Fgithub.com\u002Fsuno-ai\u002Fbark) for a zero-shot text-to-speech synthesis model.\n- [AudioCraft](https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Faudiocraft) for state-of-the-art audio generation models.\n\n## Disclaimer\nWe are not responsible for audio generated using semantics created by this model. Just don't use it for illegal purposes.\n\n\n","# \u003Cspan style=\"color: blue;\">🎵\u003C\u002Fspan> WavJourney：基于大型语言模型的组合式音频创作\n[![arXiv](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FarXiv-Paper-\u003CCOLOR>.svg)](https:\u002F\u002Farxiv.org\u002Fabs\u002F2307.14335) [![GitHub Stars](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fstars\u002FAudio-AGI\u002FWavJourney?style=social)](https:\u002F\u002Fgithub.com\u002FAudio-AGI\u002FWavJourney\u002F) [![githubio](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FGitHub.io-Demo_Page-blue?logo=Github&style=flat-square)](https:\u002F\u002Faudio-agi.github.io\u002FWavJourney_demopage\u002F) [![Hugging Face Spaces](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F%F0%9F%A4%97%20Hugging%20Face-Spaces-blue)](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002FAudio-AGI\u002FWavJourney) [![](https:\u002F\u002Fdcbadge.vercel.app\u002Fapi\u002Fserver\u002F5Hqu9NmA8V?style=flat&compact=True)](https:\u002F\u002Fdiscord.com\u002Finvite\u002F5Hqu9NmA8V)\n\n\u003Ci>我们正积极寻求在推进AI辅助多媒体叙事方面的研究与商业合作。如果您感兴趣，请发送邮件至[xubo.liu@surrey.ac.uk](mailto:xubo.liu@surrey.ac.uk)以获取更多详情！\u003C\u002Fi> :open_hands:\n\n本仓库包含论文《WavJourney：基于大型语言模型的组合式音频创作》的官方实现（[链接](https:\u002F\u002Faudio-agi.github.io\u002FWavJourney_demopage\u002FWavJourney_arXiv.pdf)）。\n\n从一段文本提示出发，WavJourney能够生成具有引人入胜故事情节的音频内容，其中包括个性化配音演员、情境化的逼真语音、富有情感共鸣的音乐创作以及增强听觉体验的震撼音效。\n\n欢迎将您的作品分享至[Discord](https:\u002F\u002Fdiscord.com\u002Finvite\u002F5Hqu9NmA8V)或[HuggingFace](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002FAudio-AGI\u002FWavJourney\u002Fdiscussions)社区！\n\n\u003Cp align=\"center\">\n  \u003Cimg align=\"middle\" width=\"800\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FAudio-AGI_WavJourney_readme_e6a42befcc42.png\"\u002F>\n\u003C\u002Fp>\n\n\u003Chr>\n\n\n## 准备工作\n1. 安装环境：\n```bash\nbash .\u002Fscripts\u002FEnvsSetup.sh\n```\n2. 激活conda环境：\n```bash\nconda activate WavJourney\n```\n\n3. （可选）您可以修改`config.yaml`中的默认配置，请参阅配置文件中的详细说明。\n4. 预先下载模型（可能需要一些时间）：\n```bash\npython scripts\u002Fdownload_models.py\n```\n\n5. 设置环境变量`WAVJOURNEY_OPENAI_KEY`，以便访问[GPT-4 API](https:\u002F\u002Fplatform.openai.com\u002Faccount\u002Fapi-keys) [[指南](https:\u002F\u002Fhelp.openai.com\u002Fen\u002Farticles\u002F7102672-how-can-i-access-gpt-4)]：\n```bash\nexport WAVJOURNEY_OPENAI_KEY=your_openai_key_here\n```\n\n6. 设置用于调用API服务的环境变量：\n```bash\n# 将WavJourney服务端口设置为8021\nexport WAVJOURNEY_SERVICE_PORT=8021\n\n# 将WavJourney服务地址设置为127.0.0.1\nexport WAVJOURNEY_SERVICE_URL=127.0.0.1\n\n# 将WavJourney的最大脚本行数限制为999行\nexport WAVJOURNEY_MAX_SCRIPT_LINES=999\n```\n\n\n7. 启动Python API服务（例如：文本转语音、文本转音频）：\n```bash\nbash scripts\u002Fstart_services.sh\n```\n\n## Web应用\n ```bash\nbash scripts\u002Fstart_ui.sh\n  ```\n\n## 命令行使用\n ```bash\n python wavjourney_cli.py -f --input-text \"生成一段关于量子力学的一分钟介绍\" \n ```\n\n\n## 停止服务\n您可以通过以下命令停止正在运行的服务：\n ```bash\npython scripts\u002Fkill_services.py\n  ```\n  \n## （高级功能）配音演员自定义 \n您可以向WavJourney添加语音预设，以自定义配音演员。只需提供语音ID、描述和一个示例WAV文件，WavJourney便会根据音频脚本自动选择合适的语音。系统预设的语音配置位于`data\u002Fvoice_presets`中。\n\n您也可以通过UI管理语音预设。若要添加新的语音到预设中，请在命令行中运行以下脚本：\n```bash\npython add_voice_preset.py --id \"id\" --desc \"description\" --wav-path path\u002Fto\u002Fwav --session-id ''\n```\n什么样的语音提示效果更好呢？请参阅详细的说明：\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fgitmylo\u002Fbark-voice-cloning-HuBERT-quantizer\">这里\u003C\u002Fa>。\n## 硬件要求\n- 默认配置下，GPU的显存应大于16 GB。\n- 操作系统：Linux。\n\n## 引用\n如果您觉得这项工作有用，可以引用以下论文：\n\n    @article{liu2023wavjourney,\n        title   = {WavJourney: Compositional Audio Creation with Large Language Models},\n        author  = {Liu, Xubo and Zhu, Zhongkai and Liu, Haohe and Yuan, Yi and Huang, Qiushi and Liang, Jinhua and Cao, Yin and Kong, Qiuqiang and Plumbley, Mark D and Wang, Wenwu},\n        journal = {arXiv preprint arXiv:2307.14335},\n        year    = {2023}\n    }\n\n[![\"Buy Me A Coffee\"](https:\u002F\u002Fwww.buymeacoffee.com\u002Fassets\u002Fimg\u002Fcustom_images\u002Forange_img.png)](https:\u002F\u002Fwww.buymeacoffee.com\u002Fliuxubo)\n\n## 致谢\n- [Bark](https:\u002F\u002Fgithub.com\u002Fsuno-ai\u002Fbark)，一款零样本文本到语音合成模型。\n- [AudioCraft](https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Faudiocraft)，一套最先进的音频生成模型。\n\n## 免责声明\n我们不对使用本模型生成的语义所对应的音频内容承担责任。请勿将其用于非法用途。","# WavJourney 快速上手指南\n\nWavJourney 是一个基于大语言模型（LLM）的组合式音频创作工具。只需输入一段文本提示，它即可生成包含个性化角色、情境化语音、情感丰富的音乐以及逼真音效的完整音频故事。\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **操作系统**：Linux\n*   **硬件要求**：GPU 显存需大于 **16 GB**\n*   **前置依赖**：\n    *   Conda 环境管理工具\n    *   OpenAI API Key（用于调用 GPT-4 进行剧本创作）\n\n## 安装步骤\n\n### 1. 克隆项目并配置环境\n执行以下脚本自动安装所需依赖：\n```bash\nbash .\u002Fscripts\u002FEnvsSetup.sh\n```\n\n激活 Conda 环境：\n```bash\nconda activate WavJourney\n```\n\n### 2. 下载预训练模型\n运行以下命令下载模型文件（首次运行可能需要较长时间，请耐心等待）：\n```bash\npython scripts\u002Fdownload_models.py\n```\n\n### 3. 配置环境变量\n您需要设置 OpenAI API Key 以及服务运行参数。请在终端执行以下命令（将 `your_openai_key_here` 替换为您的真实 Key）：\n\n```bash\n# 设置 OpenAI API Key\nexport WAVJOURNEY_OPENAI_KEY=your_openai_key_here\n\n# 设置服务端口 (默认 8021)\nexport WAVJOURNEY_SERVICE_PORT=8021\n\n# 设置服务地址 (默认本地)\nexport WAVJOURNEY_SERVICE_URL=127.0.0.1\n\n# 设置最大脚本行数限制\nexport WAVJOURNEY_MAX_SCRIPT_LINES=999\n```\n\n> **提示**：如需修改更多默认配置，可编辑根目录下的 `config.yaml` 文件。\n\n### 4. 启动后端服务\n启动文本转语音（TTS）、文本转音频等基础 Python 服务：\n```bash\nbash scripts\u002Fstart_services.sh\n```\n\n## 基本使用\n\nWavJourney 提供 Web 界面和命令行两种使用方式。\n\n### 方式一：启动 Web 应用（推荐）\n启动可视化界面，在浏览器中进行交互式创作：\n```bash\nbash scripts\u002Fstart_ui.sh\n```\n启动后，请在浏览器访问 `http:\u002F\u002F127.0.0.1:8021`（具体端口视环境变量设置而定）。\n\n### 方式二：命令行快速生成\n直接使用命令行生成音频。以下示例将生成一段关于量子力学的介绍音频：\n\n```bash\npython wavjourney_cli.py -f --input-text \"Generate a one-minute introduction to quantum mechanics\"\n```\n\n### 停止服务\n使用完毕后，可通过以下命令关闭所有后台服务：\n```bash\npython scripts\u002Fkill_services.py\n```\n\n---\n*注：高级功能（如自定义音色）可通过 `add_voice_preset.py` 脚本或 Web UI 进行管理。*","一位独立游戏开发者正在为一款叙事驱动的科幻解谜游戏制作原型，需要快速生成包含旁白、角色对话、背景氛围音乐及关键音效的完整音频演示。\n\n### 没有 WavJourney 时\n- **多工具切换繁琐**：开发者需分别在文本生成器、TTS 平台、音乐生成器和音效库之间反复跳转，手动拼接素材，工作流支离破碎。\n- **情感与语境割裂**：生成的语音缺乏剧情起伏所需的情感变化，背景音乐无法随对话紧张度动态调整，导致视听体验生硬脱节。\n- **角色声音单一**：难以低成本获取具有独特辨识度的角色嗓音，往往只能使用通用的机械合成音，严重削弱故事代入感。\n- **迭代周期漫长**：修改剧本后，所有音频素材需重新单独生成并对齐时间轴，一次微小的剧情调整可能耗费数小时重做。\n\n### 使用 WavJourney 后\n- **一站式 композиция 生成**：只需输入一段剧情描述，WavJourney 即可自动编排并输出包含个性化人声、情境化对话、情绪化配乐及精准音效的完整音频流。\n- **叙事逻辑高度统一**：大模型理解剧本上下文，自动匹配语音的情感语调与音乐的节奏张力，确保声音元素紧密服务于故事情节。\n- **自定义角色声线**：通过上传少量样本或预设 ID，WavJourney 能瞬间为不同角色分配独特且自然的嗓音，无需额外训练复杂模型。\n- **敏捷迭代开发**：修改文本提示词后，WavJourney 能在分钟内重新生成整段连贯音频，让开发者能专注于创意打磨而非技术拼接。\n\nWavJourney 将碎片化的音频制作流程转化为“文本即成品”的创作范式，极大降低了高质量互动叙事的门槛。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FAudio-AGI_WavJourney_aad8878f.png","Audio-AGI","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FAudio-AGI_59305b9f.jpg",null,"https:\u002F\u002Fgithub.com\u002FAudio-AGI",[81,85,88],{"name":82,"color":83,"percentage":84},"Python","#3572A5",96.9,{"name":86,"color":87,"percentage":10},"Dockerfile","#384d54",{"name":89,"color":90,"percentage":91},"Shell","#89e051",1.1,540,44,"2026-04-01T06:52:37","NOASSERTION",4,"Linux","需要 NVIDIA GPU，显存大于 16GB","未说明",{"notes":101,"python":99,"dependencies":102},"必须使用 Conda 管理环境；需要配置 OpenAI API Key 以访问 GPT-4；首次运行前需执行脚本预下载模型（耗时较长）；支持通过 UI 或命令行添加自定义语音预设。",[103,104,105],"GPT-4 API (需配置 WAVJOURNEY_OPENAI_KEY)","Bark (零样本语音合成)","AudioCraft (音频生成)",[15,55],"2026-03-27T02:49:30.150509","2026-04-20T10:34:17.321168",[],[]]