这项目是什么
voice-tts-system 让 AstrBot（以及任何能发 HTTP 请求的程序）的 AI 回复 自动变成指定音色的语音发出去。
一条链路串起四件事：
text
拦截 AI 的回复文本 → 过滤掉括号里的动作描写 → Edge TTS 合成基础语音
↓
RVC 换成你的音色
↓
作为语音消息发送核心原则
能语音就语音，不能语音就文字。 任何一步失败都不会影响 AI 原本的文字回复 —— 连接超时、模型报错、显存不足、API Key 不对，全都会自动降级成文字发出去。
它解决什么问题
默认情况下 AstrBot 的 AI 只会发文字。你可能想要：
- 让 AI 用某个特定音色说话（你自己的模型、喜欢的声优、游戏角色）；
- 让回复更像"有人在说话"，而不是一段冷冰冰的文本；
- 但又不希望换音色这件事把 AstrBot 搞崩 —— 一旦出问题必须能退回文字。
这套系统的做法是把工作拆成两个完全独立的进程：
| 部分 | 跑在哪 | 干什么 |
|---|---|---|
| 服务端 | 有 NVIDIA 显卡的机器 | 接收文字，返回合成好的语音文件 |
| 客户端 | AstrBot 所在的地方 | 拦截回复、过滤文本、调用服务端、替换成语音消息 |
两者只通过 HTTP 通信，所以服务端可以放在另一台有显卡的机器上，甚至放在云端。
语音是怎么"换"出来的
合成分两步，这是音质和音色可控的关键：
- Edge TTS 负责把文字读出来 —— 微软的在线语音，中文自然度很好，但音色是固定的 （默认
zh-CN-YunxiNeural）。 - RVC（Retrieval-based Voice Conversion）负责换音色 —— 它不改内容， 只把"这段声音是谁说的"换成你的模型。
所以你想换音色，只需要换一个 .pth 模型文件，不需要自己训练 TTS。
能部署在哪
| 方式 | 适合 | 需要什么 |
|---|---|---|
| Linux 一键安装 | 有显卡的 Linux 服务器 | Ubuntu 20.04+ / Debian 11+ |
| Windows 整合包 | 家用 Windows 电脑 | 解压即用，无需装 Python |
| Docker | 已经在用 Docker 的环境 | NVIDIA Container Toolkit |
| Google Colab | 手头没有显卡 | 一个 Google 账号 |
| 安卓手机 | 想省一台机器 | 有 root 的安卓手机 |
推荐顺序：Linux 一键安装 > Windows 整合包 > Docker > 其余。 前两种基本是复制粘贴一条命令就能跑起来。