捏嗓子、念剧本、做有声课件。 引擎分工（2026-11-04 定）： 中文的讲课/朗读和演戏 → 千问（小户），演戏里的方言交给 Vox（大户），同场联合； 小米 OmniVoice（中户）只接外文稿，平时闲着；IndexTTS2.5（戏骨）负责更细的情绪，按需起。
- 怎么用（日常操作，看这个就够）：
使用说明.md - 需求（要做什么）：
SPEC.md - 进度与坑（做到哪、踩过什么）：
ROADMAP.md
双击 /Applications/VoiceCaster.app。它会：
- 起
app.py（:7863，旧界面，现在可以不用——捏角色已搬进主界面） - 起
server.py（:7864，主界面，自己写的网页） - 打开
http://127.0.0.1:7864
手动起主服务（调试时用）：
cd ~/Documents/deepseek-harness/default-workspace/voicecaster
env HF_HOME=$HOME/Documents/deepseek-harness/default-workspace/voxcpm-tentacle/.hf \
HF_HUB_OFFLINE=1 PYTORCH_ENABLE_MPS_FALLBACK=1 \
../voxcpm-tentacle/.venv/bin/python -u server.py模型加载约 10 秒。起一个就够，两个模型同时驻留会各占 6 GB。
| 标签 | 干什么 |
|---|---|
| 角色 | 看角色、试听、念一句、写描述捏新嗓子（一次三条候选）、删 |
| 剧本 | 贴剧本 → 读剧本（角色自动对号）→ 排演（整段/分场）→ 单句重念 → 打点 → 导出包 |
| PPT 讲解 | 导入 .pptx → 抽备注拆句（可改可删）→ 选声音、选格式 → 生成 → 嵌回带播放键 → 下载课件/音频包 |
| 声音克隆 | 选声卡、录音（10 秒自动停、电平表）、试听、存进克隆库（改名/删） |
server.py 主服务：角色/剧本/排演/导出/PPT/克隆 全部接口
app.py :7863 旧界面（Gradio），捏角色已搬进主界面，留作备份
parser.py 剧本解析：角色：台词（情绪）【音效】
motion.py 动作提示 → 声音描述（本机 Ollama 小模型）
web/index.html 主界面（单文件，HTML+CSS+JS 全在里面）
pptunit/ PPT 教学单元
notes.py 抽每页备注（没有就退到正文）
split.py 拆成 2–3 句能单播的口语（去导航句、不断「而是」）
glossary.py 术语表：整词命中 + 断句边界
embed.py 音频 + 大按钮 + 点击播放的 timing
build.py CLI 端到端（不经过网页也能跑一册）
verify.py 解包检查每页 rels 是否正常
tests/smoke.py 冒烟测试：7 条接口，几秒钟跑完
tools/precheck_indextts.py 装 IndexTTS 前的环境体检（uv/外盘空间/网络，不下载）
characters/ 角色卡（N.json + N.wav）
output/ppt/ 每册课件的音频、manifest、成品 pptx
output/clone/ 克隆用的参考音频与试听
projects/ 保存的剧本工程
../voxcpm-tentacle/.venv/bin/python tests/smoke.py # 服务要先开着7 条接口，覆盖角色、解析、存读、术语、PPT、导出、克隆。生成音频慢，不在里面。
- PPT 教学只走 VoxCPM2，永远不调 IndexTTS（省得为了念一页课件去加载外盘大模型）。
- 不做视频编码 / 音画对齐 / 闭源格式。对齐是学生在 CapCut 里做的事。