ShipAny Voice Agent 是什么？
ShipAny Voice Agent 是基于 ShipAny SaaS 底座的对话式语音生产工具。用户可以生成语音、上传或录制音频进行转写，并在多轮对话中不断修改，每个版本都有清晰的来源关系。
音频工作室集中提供播放、文字稿、下载和版本历史，素材库保存所有资产。ShipAny 的登录、订阅、积分、支付、后台、存储和分享都已接好。
适合谁
- 想上线 AI 配音或 TTS 产品的创业者
- 播客、旁白和配音工具
- 语音转写服务
- 基于 OpenAI Speech 或 ElevenLabs 开发的团队
核心功能
文本转语音
接入 OpenAI Speech 和 ElevenLabs，生成自然的人声。
多轮修改
在对话中提出修改，每个版本都明确记录它来自哪个素材。
上传、录音与转写
上传音频或视频、在浏览器中录音，并转写成文字。
音频工作室
播放、文字稿、下载和版本历史集中在一个界面。
素材库
用户创建或上传的所有内容都以素材记录统一管理。
SaaS 底座
来自 ShipAny 的登录、订阅、积分、支付、后台、存储和分享。
包含内容
- 底座
- ShipAny（TanStack Start、React 19、TypeScript）
- 语音服务
- OpenAI Speech、ElevenLabs
- Agent 模型
- 在后台设置中配置对话模型
- 存储
- Cloudflare R2（生成语音必需）
- 上传
- 音频和视频，最大 25 MB
- 部署
- Cloudflare Workers 或 Node
如何开始
- 1
安装运行
pnpm install，把 .env.example 复制为 .env.development，运行 db:push 和 pnpm dev。
- 2
配置服务商
在后台「设置」中填写对话模型、OpenAI 或 ElevenLabs 密钥和 R2 凭证。
- 3
验证并部署
运行类型检查、测试和构建，然后部署。
可以用 ShipAny Voice Agent 做什么
AI 配音工具
为视频、课程和广告生成旁白。
转写应用
把会议、访谈或视频转成文字。
播客制作
通过对话完成撰稿、配音和修改。
常见问题
支持哪些 TTS 服务商？
OpenAI Speech 和 ElevenLabs，在后台设置中配置。
必须使用 R2 吗？
生成语音需要 R2；25 MB 以内的本地上传不配置 R2 也能使用。
用户可以修改生成的音频吗？
可以。修改在对话中完成，音频工作室会保留完整的版本历史。
技术说明（README）
ShipAny Voice Agent
Conversational speech production built on the ShipAny SaaS foundation.
The current MVP supports:
- Text-to-speech with OpenAI Speech and ElevenLabs adapters
- Multi-turn revisions with explicit asset lineage
- Audio and video uploads, browser recording, and transcription
- Audio Studio with playback, transcript, download, and version history
- Media library backed by first-class
media_assetrecords - Existing ShipAny auth, subscriptions, credits, payments, admin, storage, and sharing
Local development
pnpm install
cp .env.example .env.development
pnpm db:push
pnpm dev
Configure the chat LLM, OpenAI/ElevenLabs, and R2 credentials from Admin Settings. R2 is required for generated speech; local uploads up to 25 MB work without R2.
Verification
pnpm exec tsc --noEmit
pnpm test
pnpm build