V8 Audio Novel Demo

NetEase Cloud Music style audiobook player with Qwen voice, images, and dynamic video.

这个 demo 页面播放真正的章节正文朗读:《第一章:雨后城墙的密信》。Qwen 语音只读小说正文:沈绾沿雨后外城墙前行、在第七块青砖下发现火漆密信与银色鱼鳞、巡夜人灯火逼近时听见第二声钟。页面里的 Planner trace 只是系统侧解释,不会进入朗读脚本。

NetEase Cloud Music style audiobook player

第一章:雨后城墙的密信 · Audio Novel

Qwen/Qwen3-TTS-12Hz-0.6B-CustomVoice · Serena 女声 generated chapter_audio.wav · narration_type=chapter_narration · MMS fallback voice sample available.

chapter_audio.wavchapter_narrationttsModelCard
scene_01.svgscene_02.svgscene_03.svg

audioNovelVideo

Create Dynamic Video Timeline

Canvas 在浏览器中把 3 张图、章节音频进度和波形条组合成动态 video:①雨声停在外城墙,沈绾经过铜钟;②第七块青砖下露出火漆密信和银色鱼鳞;③巡夜人灯火逼近,第二声钟响起。

feedbackPanel

统一交互反馈

用户每一次 comment、like、favorite、fast_forward 都作为 explicit interaction event 写入 Planner,而不是拆成显式/隐式两套。下面 trace 是系统状态,不是朗读内容。

plannerTrace = {
  interaction_summary: ["comment", "like", "favorite", "fast_forward"],
  adaptation_brief: { audio_directives: ["低声中文章节朗读", "第二声钟前短暂停顿", "不要读系统解释"], image_directives: ["沈绾经过雨后外城墙与铜钟", "第七块青砖下的火漆密信和银色鱼鳞", "巡夜人灯火逼近与第二声钟", "3 sequential images per chapter", "no text in images"] },
  selected_budget: 16
}
ttsModelCard

Qwen3-TTS main backend

主模型:Qwen/Qwen3-TTS-12Hz-0.6B-CustomVoice,speaker=Serena 女声。已生成 chapter_audio.wav。MMS fallback voice sample 保留为 tiny smoke。

Image sequence

3 sequential images per chapter

每章 3 张不同图,顺序跟随文本内容:①沈绾提灯走过雨后外城墙与铜钟;②第七块青砖下的火漆密信和银色鱼鳞;③巡夜人灯火逼近,沈绾回身听见第二声钟。所有 prompt 都包含 no text in images / no text。

Video

audio + image motion

前端生成动态视频预览;生产版可以用 ffmpeg 或浏览器 MediaRecorder 输出 mp4/webm。