大肥鱼语音控制台 fulan0721/dafish-voice-system

大肥鱼语音系统 · Dafish Voice System

给 qq-bridge + GPT-SoVITS 做的本地网页控制台：看状态、一键启停、上传音频克隆音色、合成并直接发 QQ 语音条。

定位：qq-bridge 的语音扩展 + 管理面板，不是另一个 QQ 机器人框架。机器人本体、会话、白名单仍由 qq-bridge / DSH 管。

功能

- 状态看板：DSH / SnowLuma / qq-bridge / GPT-SoVITS / GPU 实时状态
- 服务控制：一键启动/停止 GPT-SoVITS 与 qq-bridge
- 音色克隆：上传 mp3/wav → 自动检测人声区间（最长 9.5 秒）→ 本地 SenseVoice 识别文字（支持中/日/英/粤/韩）→ 试听 → 应用为机器人音色
- 试听发送：输入一句话，调用 GPT-SoVITS 合成，再走 qq-bridge 的白名单发送链条发成 QQ 语音条
- 日志：桥接 / 语音引擎 / 系统日志
- 注入式集成：一条命令把 qq_say_voice 工具补进已有的 qq-bridge，不改上游仓库结构

架构

QQ ←→ SnowLuma（OneBot v11） ↕ qq-bridge ── MCP ── DSH（DeepSeek Harness） │ │ │ └── qq-chat / qq-chat-v2 preset │ └── mcp__snowluma__qq_say_voice │ ├── GPT-SoVITS api_v2（127.0.0.1:9880） └── scripts/send-voice.mjs → SnowLuma → QQ 语音条

本控制台（127.0.0.1:3200）只做三件事：看状态 / 启停服务 / 管理音色

前置条件

| 组件 | 要求 |
| 系统 | Windows（服务启停、taskkill、netstat 都是 Windows 实现） |
| Node.js | ≥ 22 |
| qq-bridge | 能正常连 SnowLuma + DSH；已配置 config.json |
| SnowLuma | 自己安装/登录（本程序只探测，不启动） |
| GPT-SoVITS | 已部署 api_v2.py，模型能在 127.0.0.1:9880 跑起来 |
| ffmpeg | 用于截取/转码，默认 D:\GPT-SoVITS\bin\ffmpeg.exe |
| SenseVoice（可选） | DSH 自带的 ~/.dsh/speech-to-text/sensevoice/models/sensevoice-onnx；没有则只能手动填参考文字 |

快速开始

1. 准备 qq-bridge 并注入语音工具

git clone https://github.com/Derpyu520/qq-bridge.git
cd qq-bridge
npm install
copy config.example.json config.json

把本仓库放在 qq-bridge 的同级目录（或稍后用 config.json 的 bridgeRoot 指过去），然后：

node integration/patch-bridge.mjs --bridge "C:\path\to\qq-bridge"

脚本会在 src/mcp-snowluma-safe.js 里注入 qq_say_voice（挂在 mcp__snowluma__ 命名空间，QQ preset 原有白名单直接放行），原文件自动备份。

2. 配置本控制台

copy config.example.json config.json

编辑 config.json：

| 字段 | 说明 |
| port | 控制台端口，默认 3200 |
| bridgeRoot | qq-bridge 目录（相对本仓库或绝对路径） |
| ttsHome | GPT-SoVITS 代码目录（含 api_v2.py、GPT_SoVITS/） |
| python | 跑 GPT-SoVITS 的 Python |
| ffmpeg | ffmpeg.exe 路径 |
| asrModelDir | SenseVoice ONNX 目录，留空用 DSH 默认路径 |
| ttsLog | 语音引擎日志路径，留空用 ../engine.err |

3. 启动

node server.mjs

或双击 启动语音系统.cmd。启动日志会打印带令牌的地址：

http://127.0.0.1:3200/?token=xxxxxxxx

令牌也保存在 state/sys-token。

4. 放一个参考音色

把 3~10 秒、干净、单人的 reference.wav 放到 <qq-bridge>/ref/reference.wav，或直接在控制台「音色克隆」里上传音频，自动截取 + 识别 + 应用。

5. 在 QQ 里用

对机器人说：

用语音说：今天也要开心

配置示例

{
"port": 3200,
"bridgeRoot": "../qq-bridge-main",
"ttsHome": "D:/GPT-SoVITS/GPT-SoVITS-main",
"python": "D:/GPT-SoVITS/python310/tools/python.exe",json
"ffmpeg": "D:/GPT-SoVITS/bin/ffmpeg.exe",
"asrModelDir": "",
"ttsLog": ""
}

HTTP API

所有接口都要带 x-sys-token 头或 ?token=；只监听 127.0.0.1。

| 方法 | 路径 | 说明 |
| GET | /api/status | 聚合状态 |
| POST | /api/service | {name:"tts"\|"bridge", action:"start"\|"stop"} |
| POST | /api/voice/analyze | {name, data(base64)} → 截取 + 识别 |
| POST | /api/voice/apply | {id, text} → 写参考音频 + 更新 REF_TEXT + 重置 MCP |
| POST | /api/voice/test | {text, target} → 合成并发送语音条 |
| GET | /api/logs?name=bridge\|tts\|system&lines=160 | 日志尾巴 |

安全与隐私

- 控制台只监听回环地址，所有 API 都要令牌。
- config.json、state/、tmp/、ref/、audio/ 都在 .gitignore 里；不要提交你的令牌、聊天记录、个人音色。
- 发送仍受 qq-bridge 的 allow.groups / allow.private 白名单与限流约束。
- 本程序不安装、不启动 SnowLuma：其 EULA 只允许使用者自己安装/启动/扫码。

已知限制

- 仅支持 Windows：启停服务依赖 netstat / taskkill / 隐藏窗口启动。
- 零样本克隆只能「接近」原声，不可能 100% 一样；参考音频越干净、文字越准，效果越好。要更像，需要更多录音做微调。
- 参考音频固定一个：<qq-bridge>/ref/reference.wav。
- GPT-SoVITS 首次合成需要预热（GPU 约 7 秒），之后每句约 2~4 秒（RTX 5060 实测）。
- 合成若报 NLTK 资源缺失，把 cmudict / averaged_perceptron_tagger_eng / punkt / punkt_tab 放到 %APPDATA%\nltk_data。

与上游的关系

- qq-bridge（MIT）：QQ ↔ DSH 桥接，本项目的宿主。
- GPT-SoVITS（MIT）：语音合成引擎，需自行部署。
- SnowLuma：QQ 网关，需自行安装与登录。
- 本项目与腾讯 / QQ / SnowLuma 无隶属关系。

License

MIT，见 LICENSE。