AI漫画配音与BGM混音套件

['## 解决什么问题\n\n给 AI 漫画、动态漫或绘本做配音时，通常要同时摆弄三套东西：TTS 账号或本地模型、音频编辑软件、BGM 素材库，最后还要手工对轨混音。结果往往是流程割裂，光准备环境就耗掉大半天。', '这个套件把「分镜剧本 → 配音 → 混音 → 成品音频」整合成一条命令行管线。输入 JSON 剧本或直接丢一个 .txt 剧本进去，输出按镜号组织的可播放音频，不需要 GPU，也不需要 TTS 的 API Key。', '## 它如何工作\n\n核心能力很集中：\n\n- EdgeTTS 免费配音：调用微软云端语音，零成本、无 GPU 依赖；\n- 多角色音色分配：按剧本里的角色名自动匹配音色，旁白和对话可混合输出；\n- BGM 混音：用 pydub 把配音和 BGM 按可调比例混合；\n- 环境自修复：自动定位 ffmpeg/ffprobe，优先走系统 PATH，再退回 imageio-ffmpeg 的静态版，最后才扫描本地常见目录；\n- Python 3.13 兼容：已验证 pydub 和 audioop 在 3.13 下可用，不用为了一个配音工具降级 Python。', '管线入口是 scripts/run_pipeline.py，剧本既可以直接写成 JSON 数组，也可以先用 txt2script.py 把裸 .txt 转成管线格式。纯文本剧本支持三种写法：角色名：台词 的对话式、整段叙述式、以及数字分镜式，转换过程不消耗 token。', '运行参数里比较实用的是 --bgm-mode 和 --bgm-lib。前者切 BGM 生成方式，后者指向一个按情绪分类的本地曲库目录：把无版权或自有音乐按 紧张/抒情/温馨/神秘/激昂/搞笑 放进子目录，管线会按每个分镜的 mood 或 bgm_style 自动选曲、轮转播放，并在配音下面做 ducking 混音。同情绪放多首曲子时，整话内自动轮换，避免连镜听到同一首歌。没匹配到情绪就回退到 默认/，连默认目录都没有才走 Suno 提示词。', '对免费云端 TTS 的稳定性，作者做了实际加固：请求间隔控制在 0.4 秒以上，遇到 429、连接重置或超时按指数退避重试，重试耗尽后该镜输出静音而不是让整话崩掉。文档里给出的实测结果是 11 镜和 13 镜连续生成均未触发 429。', '## 适用边界\n\n几个要提前知道的点：', '- suno 模式只负责生成提示词，真音乐要自己去 Suno 平台跑出来再喂回来；本地生成只有 musicgen 可选，且需要 GPU。想完全不花钱出真配乐，目前只有 --bgm-lib 自备曲库这条路。\n- voice-backend 里的 GPT-SoVITS、CosyVoice 等本地选项目前是空壳，需要自己配模型路径，开箱即用的是 EdgeTTS。\n- EdgeTTS 依赖微软云端服务，国内网络环境可能需要代理；最坏情况是某镜静音兜底，不会整体失败。\n- 角色音色只按角色名匹配，没有基于 IP-Adapter 的声学一致性，同一角色在不同分镜里的音色统一性取决于 EdgeTTS 的默认行为。\n- 纯叙述文本默认全部当旁白，想要角色音色必须在文本里写成 角色名：台词。']