SceneLine：AI驱动的配音练习平台 🎬

SceneLine 首页

我最近发布了一个新项目 SceneLine — 一个 AI 驱动的配音练习平台，让语言学习者可以通过影视场景对话进行沉浸式配音训练。

为什么做这个？

语言学习中最难的往往不是词汇或语法，而是语感 — 那种自然的、地道的表达方式。传统的听力、阅读练习很难培养这种能力，而配音练习（Dubbing Practice）是很好的解决方案：

  • 沉浸式场景 — 真实的影视对话，而非教科书式的句子
  • 多角色互动 — 不同角色的语气、情绪、节奏
  • 即时反馈 — 知道自己说得准不准

但传统配音练习有个痛点：没有反馈。你对着视频说了一遍，但不知道自己说得对不对。

SceneLine 要解决这个问题。

核心功能

🎙️ 实时语音识别（ASR）

  • 使用 FunASR 进行语音识别
  • 常驻进程模式，10 倍性能优化
  • 实时对比你的发音和原台词

🔊 40+ TTS 声音

  • Microsoft Edge TTS 支持
  • 40+ 种声音选项
  • 按性别/地区筛选，找到最适合的参考音

🎭 多角色对话练习

  • 支持多角色场景（如《老友记》对话）
  • 每个角色独立评分
  • 可以一个人练多个角色

📊 练习历史与统计

  • 三种视图模式：概览 / 按脚本 / 详情
  • 追踪进步曲线
  • 找出薄弱环节

📝 智能去重

  • 基于内容哈希的脚本去重
  • 自动合并相同内容，避免重复练习

技术栈

前端

  • React + Vite — 快速开发体验
  • Tailwind CSS — 简洁的 UI 设计
  • TypeScript — 类型安全

后端

  • Express + TypeScript — API 服务
  • FunASR — 语音识别核心
  • node-edge-tts — TTS 封装

AI/ML

  • FunASR — 阿里达摩院开源的 ASR 框架
  • ModelScope — 模型仓库
  • faster-whisper — Whisper ASR 加速版

快速开始

一键启动（推荐）

git clone https://github.com/hugcosmos/SceneLine.git
cd SceneLine
./start.sh

首次启动会：

  • 询问是否在中国大陆（自动配置镜像源）
  • 下载 ASR 模型（约 2GB，首次需要 6-9 分钟）

然后访问 http://localhost:5000

Docker 部署

docker-compose up -d

系统要求

  • Node.js: 20+
  • Python: 3.9-3.11（ASR 依赖，torch 不支持 3.12+）
  • 内存: 最低 4GB（ASR 模型约占用 2GB）
  • 磁盘: 3GB+ 可用空间
  • FFmpeg: 用于音频格式转换

项目结构

sceneline/
├── server/          # 后端 (Express + TypeScript)
│   ├── lib/         # 核心库 (ASR, TTS)
│   └── routes/      # API 路由
├── client/          # 前端 (React + Vite + Tailwind)
│   └── src/pages/   # 页面组件
├── shared/          # 共享类型定义
├── models/          # ASR 模型缓存
├── tts-cache/       # TTS 音频缓存
└── docker-compose.yml

许可证

MIT License — 完全开源，欢迎贡献。

后续计划

  • 多人模式 — 支持多用户同时练习，实时对比
  • 流式 ASR — 更快的实时识别，降低延迟
  • 智能评分系统 — 更系统、更人性化的打分机制
  • TTS 升级 — 支持更丰富的音色
  • 多 TTS 供应商 — 集成更多 API 供应商（ElevenLabs、iFlytek、Baidu 等）

链接

Made with 💙 by Nicky & AI