音频剧自动生产系统

将古典小说原著自动转化为适合 8-11 岁小朋友收听的儿童音频剧。

粘贴原著文本 → AI 改写剧本 → 音色库自动配音 → 音效/BGM 生成 → 混音下载 MP3，全程无需手动操作。

---

产品文档（PRD & 架构）

面向「儿童音频短剧创作 Agent 平台」的完整产品需求与技术文档位于 docs/：

文档	说明
docs/01_PRD.md	产品需求文档：定位、MVP 范围、核心流程、数据结构、验收标准
docs/02_Frontend_UI_Interaction.md	前端页面与交互说明（13 个 MVP 页面、状态流转、编辑器交互）
docs/03_Agent_Architecture_API.md	Agent 编排、10 个 Agent、核心 API、数据模型、任务队列
docs/04_UI.png	UI 设计参考图
docs/06_Product_Definition_V2.md	产品定义 V2（最新）：从"工具"重定位为"儿童音频内容生产线"，含系列/版本/质量/合规/成本模型

当前代码库是该 PRD 的早期「Studio」实现（单项目 5 步线性向导），正逐步向文档描述的多项目、多 Agent 平台演进。

---

快速开始

1. 启动后端

cd backend
pip install -r requirements.txt
python -u main.py
# 运行在 http://localhost:5000

2. 启动前端

cd frontend
npm install
npm run dev
# 运行在 http://localhost:5173

3. 配置 API Key

打开页面右上角「API 设置」，填入所需的 API Key，点保存即可（无需重启）。

---

所需 API Key

功能	服务	获取地址
AI 剧本改写	DeepSeek（推荐）	platform.deepseek.com → API Keys
AI 剧本改写（备用）	Anthropic Claude	console.anthropic.com → API Keys
BGM 生成	MiniMax music-2.6	platform.minimaxi.com → API Keys
音效生成	ElevenLabs	elevenlabs.io → Settings → API Keys
角色配音	豆包 TTS 2.0	火山引擎控制台 → 语音技术 → seed-tts-2.0

最简配置：DeepSeek + MiniMax + ElevenLabs + 豆包 TTS，四个 Key 覆盖全流程。

---

使用流程（5步）

1. 输入原著 — 填写故事名称、集数名称（支持「AI 识别故事名称和集数」一键填写），粘贴原著文本，选择改写风格；三项全填后才可点击开始
2. 确认剧本 — 查看 AI 改写后的剧本，可直接点击台词编辑内容、修改 BGM/音效名称
3. 配置音色 — AI 自动从本地音色库匹配角色音色，可手动调整；支持添加新音色（含试听）
4. 生成 BGM/音效 — 顶部「⚡ 一键生成全部」按钮优先显示；AI 生成英文提示词并查询本地素材库，库中已有的直接复用
5. 生成音频 — 点击开始，实时查看 7 阶段进度，完成后下载 MP3

---

音频生成说明

BGM

• 使用 MiniMax music-2.6 模型，每首约需 3-4 分钟生成
• 无人声纯器乐，古典中国乐器风格
• 按名称缓存，相同名称不重复生成；已入本地素材库的自动复用

音效

• 使用 ElevenLabs Sound Effects API，约需 5-10 秒生成
• 同样按名称缓存，已入素材库的自动复用

配音

• 豆包 seed-tts-2.0，支持情感上下文控制
• 音色统一管理在本地音色库（assets/voices.json）
• AI 根据角色特征自动从音色库匹配，可在第 3 步手动调整

---

本地素材库

系统维护三个本地库，避免重复生成：

库	路径	内容
BGM 库	assets/library.json → bgm	BGM 文件的语义描述索引
音效库	assets/library.json → sfx	音效文件的语义描述索引
音色库	assets/voices.json	豆包 TTS 音色 ID、名称、描述、试听音频

生成新音效/BGM 后自动入库；第 4 步进入时 AI 会先检索库中是否有可复用的素材。

---

目录说明

backend/
├── assets/
│   ├── bgm/           ← MiniMax 生成的 BGM 缓存（MP3）
│   ├── sfx/           ← ElevenLabs 生成的音效缓存（MP3）
│   ├── voices/        ← 音色试听音频文件
│   ├── library.json   ← BGM/音效语义索引（自动维护）
│   └── voices.json    ← 音色库（手动维护）
└── output/            ← 每集台词语音 + 最终混音 MP3

---

重启服务（Windows）

必须用 PowerShell 彻底杀进程，否则旧进程残留会继续占用端口：

Stop-Process -Name python -Force -ErrorAction SilentlyContinue
Stop-Process -Name node   -Force -ErrorAction SilentlyContinue
# 重启后端
Start-Process cmd -ArgumentList "/k cd /d D:\audio-drama-studio\backend && python main.py"
# 重启前端
Start-Process cmd -ArgumentList "/k cd /d D:\audio-drama-studio\frontend && npm run dev"

访问地址：http://localhost:5173/