Files
Obsidian/MyBestNanobot/Nanobot建立流媒体网站的过程.md
T
coco 8b94d76799 a
2026-07-21 13:57:15 +08:00

7.4 KiB
Raw Blame History

服务还在运行!让我详细介绍技术原理:


🔊 TTS 流媒体技术架构

┌─────────────────┐     ┌──────────────┐     ┌─────────────┐
│   英文文本文件   │────▶│  edge-tts    │────▶│  Flask HTTP │
│  (test_english.txt)│    │  (实时转MP3)  │     │   服务器     │
└─────────────────┘     └──────────────┘     └──────┬──────┘
                                                    │
                         HTTP 流式传输 ◀─────────────┘
                         (chunked encoding)
                                │
                         ┌──────┴──────┐
                         ▼             ▼
                   ┌─────────┐   ┌──────────┐
                   │  VLC    │   │ 浏览器   │
                   │ 手机App │   │ 直接播放 │
                   └─────────┘   └──────────┘

📡 技术细节

1. 核心组件

组件 技术 作用
TTS 引擎 edge-tts 微软 Edge 语音,实时转 MP3
Web 框架 Flask (Python) HTTP 服务器
传输方式 HTTP Chunked Transfer 边生成边传输
音频格式 MP3 (mpeg) 通用格式,兼容性好

2. 工作流程

# 简化伪代码
@app.route('/stream')
def stream_audio():
    text = load_article()           # 读取英文文章
    audio_generator = edge_tts(text) # 实时生成 MP3 音频块
    
    return Response(
        audio_generator,            # 音频流生成器
        mimetype='audio/mpeg'       # 告诉客户端这是 MP3
    )

关键: 不是先转完再发,而是边转边发(流式)


3. 为什么能"实时收听"?

传统方式 流式方式 (当前)
等待全部转换完成 (30秒) 听到第一句 (2秒)
保存 MP3 文件 不保存,直接传
下载完再播放 边下载边播放

4. 访问方式

# 直接播放(最简单)
http://129.211.173.87:8080/stream

# 原理:
# 1. 浏览器/播放器 向服务器请求 /stream
# 2. 服务器开始实时 TTS 转换
# 3. 音频数据分块传输 (chunked)
# 4. 播放器收到第一块就开始播放

5. 服务类型对比

类型 当前实现 专业流媒体
协议 HTTP 普通下载流 HLS / RTMP / DASH
延迟 2-5秒 10-30秒 (HLS)
兼容性 所有播放器支持 需要特定客户端
适用场景 个人收听、简单场景 直播、大规模分发

6. 当前服务状态

进程: python3 scripts/stream_server.py
PID: 1610254
端口: 0.0.0.0:8080 (所有网卡可访问)
内容: test_english.txt (英文学习文章)
语音: en-US-AriaNeural (美音女声)

🎯 一句话总结

这是一个 HTTP 实时音频流服务:文本→实时TTS转换→MP3流→HTTP传输→播放器收听

不是下载文件,不是专业电台,而是**"随点随听"的实时朗读**。


💡 扩展可能

如果想更专业,可以升级为:

功能 技术
真正的流媒体协议 HLS (m3u8) + FFmpeg
多客户端同时收听 WebSocket 广播
播放控制 (暂停/进度) 流媒体服务器 (Icecast)
网页播放器 HTML5 Audio API

当前这个简单版本够你用吗?还是需要更专业的功能? 🎧


我后面会让你基于这个方案,做一个完善的产品。 在这个之前,你帮我下载一些英文故事素材。

1. https://www.libraryofshortstories.com/stories 这个网站,含有非常多的英语故事,你可以尝试下抓取https://www.libraryofshortstories.com/stories 这个首页的全部(尽可能)多的stories链接,先将这些链接,存储到本地待下载待处理内容到本地一个Txt之类的文件里,并标注改内容是否已经下载和处理。

我提供的网站,是可以向下滑动加载更多内容的,我希望能下载尽可能多的故事。** 你要处理好这个事情。** 存储完https://www.libraryofshortstories.com/stories 的全部故事链接后,记下这个状态。后续就无需重复扫描首页了。

2.基于上一步的下载链接文件,对每一个story链接,打开加载每一篇文章,将文章的核心故事内容提取成纯文本Txt格式,去掉任何html标签(或者其他markdown之类的标签, 如果存在), 存储内到 /home/ubuntu/media/libraryofshortstories这个目录,每一篇文章保持一个子目录,例如 https://www.libraryofshortstories.com/onlinereader/the-adventure-of-the-red-circle 这个故事就保存在/home/ubuntu/media/libraryofshortstories/the-adventure-of-the-red-circle 这个子目录;每篇文章如果有描述信息metadata,也单独存储成一个metadata的markdown文件。

3.这个任务非常耗时,你看看怎么处理?是否做一个后台处理程序?sub-agent之类的东西处理这事情?

你是否清楚我上面说的事情? 不清楚,我们一起沟通,你的方案是什么?


假设我们的故事素材,全部下载到了/home/ubuntu/media/libraryofshortstories ,当然,将来可能还有其他网站的素材,放在/home/ubuntu/media/XXX,/home/ubuntu/media/public-domain-poetry 之类。 现在要你实现一个web应用: 1、通过web 页面(index), 渲染加载 /home/ubuntu/media 目录下的内容来源 libraryofshortstories,public-domain-poetry等等。每一个入口,可以使用一个大的button或block,方便我点击。 2、点击上面的入口 button,通过列表方式,渲染libraryofshortstories,public-domain-poetry这些目录下的每一个包含Txt内容的item,每一个故事目录 是一个 列表 item

3、点击 故事列表中的item,进入每一个故事播放页面,通过你前面的技术方案( 英文文本文件 │────▶│ edge-tts │────▶│ Flask HTTP),能够播放我要求的英文或者其他语言的文本文件。

4、关于故事详情播放页的具体要求是这样的:

页面包含两部分内容,顶部固定高度(比如120像素, 或100px等等),宽度等于屏幕宽度,放这个播放器。页面的下面剩余部分,通过html或者其他方式,渲染故事内容,如果故事很长,也要求缓加载,懒加载,用户滑动才加载更多内容~~~

5、方便的话,每一个页面,都要独立的关闭和返回按钮(最顶部top页面index就不能关闭),这样不依赖浏览器本身的返回按钮。 这样的话,我可以方便将这个入口index链接,放在一个 手机app的内置浏览器里(一般没有浏览器的返回按钮)

6、渲染和加载目录本身,你需要将其预先存储在sqlite之类的数据库,还是直接读取目录列表???

7、如果是需要将目录列表内容,存储到数据的方案,你先只写代码,等前面抓取stories的任务完成后再扫描目录

上述需求,是否清晰?