描述或输入文字、录音、参数或声音灵感，都有直接入口。
VOICE · SOUND · EDITING
从一句话，到一段能用的声音。
把文字、录音和声音灵感放进一个本地优先的工作台。生成、试听、编辑，再把真正可用的音频带走。
浏览器本地保存 API Key 会话内使用
SCENE / PRODUCT INTRO48 kHz · 2 CH
00:00.000:04.2
voice / generatedsfx / soft notification
ONE WORKFLOW, FOUR ENTRANCES先得到声音，
先得到声音，
再决定它怎么被使用。
每个结果都会成为可试听、可下载、可处理、可加入时间线的标准音频资产。你可以只做一次生成，也可以把它们组合成完整场景。
试听和校对先听结果，再修改文本、时间和处理参数。
导出和复用下载音频或工程，把结果交给下一个制作环节。
LOCAL-FIRST BY DEFAULT模型负责生成，
模型负责生成，
工程仍然属于你。
项目、聊天记录、任务状态和音频资产默认保存在浏览器本地。外部服务只在你主动配置并发起请求时参与。
- 所有编辑先写入可验证的 `vibe-voice/1` 文档
- 任务结果带有模型、来源和输入指纹
- 工程包和音频可以独立备份、导入和导出
{
"format": "vibe-voice/1",
"task": "tts",
"source": "local",
"voice": "zh_CN-huayan-medium",
"result": "audio-asset"
}MAKE SOUND USEFUL
从旁白，到完整的声音场景。
生成不是终点。Vibe Voice 把声音生产和基础编辑放在同一条可回退、可复用的路径上。
文字转语音
输入旁白、选择声音，生成可试听、可下载、可放入时间线的语音资产。
音频转文字
导入录音或音频，识别为可校对文本，并导出 TXT、SRT 或 VTT。
声音设计
用参数合成提示音，也可以用描述生成真实场景音效。
音频处理
裁切、拼接、增益、淡入淡出和基础效果，都在同一个本地工作流里完成。
ENGINES THAT FIT YOUR WORKFLOW
本地模型优先，云端能力可选。
先用本地参数音效和本地模型完成基础工作；需要更高质量的声音或场景音效时，再接入你自己的 Provider。
Piper TTSWhisper ASRWeb AudioBYOK Providers
下一段声音，从一句话开始。
打开工作台，选择一个入口，先做出第一个可以听见的结果。