egg/TTS
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
master
TTS/openspec/project.md
beabigegg 33ea22f259 feat: 新增智慧簡報旁白生成系統 (Smart Slide Voiceover System) 
- 新增 Excel 輸入模組：解析 .xlsx 格式講稿檔案
- 新增 TTS 引擎模組：整合 edge-tts 調用 Azure Neural Voice
- 新增 PyQt6 圖形介面：檔案選擇、語音選擇、進度監控
- 新增執行緒模型：QThread + Asyncio 確保 UI 響應性
- 支援 10 種 Neural Voice (中文/越南/英文)
- 支援中英混雜、越英混雜發音

🤖 Generated with [Claude Code](https://claude.com/claude-code)

Co-Authored-By: Claude Opus 4.5 <noreply@anthropic.com>
2025-12-27 15:42:11 +08:00

2.9 KiB
Raw Permalink Blame History

Project Context

Purpose

智慧簡報旁白生成系統 (Smart Slide Voiceover System) - 一款桌面端應用程式，協助使用者將撰寫於 Excel 的簡報講稿，批次轉換為專業級、擬真且具備親切感的語音檔案 (MP3)。系統解決跨語言（中文+英文專有名詞、越南文+英文專有名詞）的發音自然度問題。

Tech Stack

  • 開發語言: Python 3.10+
  • GUI 框架: PyQt6 (原生編譯綁定，效能優於 Electron)
  • TTS 引擎: edge-tts (Python Library，調用 Azure Cognitive Services)
  • 資料處理: Pandas + Openpyxl (Excel 讀取解析)
  • 並發模型: QThread + Asyncio (解決 PyQt 事件迴圈與非同步請求衝突)
  • 環境管理: Conda (environment.yml)

Project Conventions

Code Style

  • 架構模式: MVC (Model-View-Controller) / Producer-Consumer Pattern
  • 主執行緒負責 UI 繪製，Worker Thread 執行 TTS 請求
  • 透過 pyqtSignal 將進度與 Log 傳回 Main Thread
  • 使用 Type Hints 增強程式碼可讀性

Architecture Patterns

  • Main Thread (UI): 繪製介面、接收使用者操作、更新進度條
  • Worker Thread (QThread):
    • 建立獨立的 asyncio Event Loop
    • 執行 Excel 解析
    • 序列化執行 TTS 請求
    • 透過 Signal 回傳狀態

Testing Strategy

  • 環境測試: Conda 環境建立、依賴完整性
  • 功能測試: 檔案讀取防呆、批次生成、強制中斷、介面響應性
  • 語音品質驗收: 語言對應正確性、中英/越英夾雜流暢度、語音完整性

Git Workflow

  • 使用功能分支開發
  • Commit 訊息採用中文說明

Domain Context

語音模型映射 (Voice Mapping)

Lang 欄位 Voice ID 特徵
vi vi-VN-HoaiMyNeural 女性，音色明亮溫柔，咬字清晰
zh / zh-tw zh-TW-HsiaoChenNeural 女性，台灣標準口音，知性專業
en en-US-JennyNeural 女性，美式標準音

Excel 輸入格式

欄位 必要性 說明
Filename 必要 輸出音檔名稱 (例如 Slide_01)
Text 必要 旁白內容，支援中英/越英夾雜
Lang 選填 主要語言 (zh/vi)，預設 zh

Important Constraints

  • Rate Limit 防護: 每筆請求間需有間隔，防止 IP 被封鎖
  • 效能要求: 單筆音訊生成延遲不超過 3 秒，支援 100+ 筆批次佇列
  • 錯誤容忍: 單一檔案失敗不中斷整個批次，記錄錯誤後跳至下一筆
  • 介面響應: 執行耗時任務時，主視窗不得凍結
  • 硬體基準: PC (Windows), 32GB RAM, RTX 4060 (主要利用 CPU 與網路頻寬)

External Dependencies

  • Microsoft Edge-TTS: Azure Cognitive Services Neural Voice API
  • 網路需求: 10Mbps+ 穩定連線
  • 作業系統: Windows 10/11

Deliverables

  • main.py: GUI 與邏輯程式碼
  • environment.yml: Conda 環境配置
  • README.md: 操作說明文件
  • template.xlsx: 格式範例檔案