4个步骤高效构建自定义语音模型：Mimic Recording Studio全攻略

Mimic Recording Studio是一款基于Docker的开源应用，帮助用户通过录制语音样本训练个性化文本转语音（TTS）声音。无论是语音开发者还是AI爱好者，都能借助它创建自然流畅的合成语音，为AI交互注入个性化魅力。

搭建环境：从依赖到启动

在开始语音录制前，需要准备必要的运行环境。确保系统已安装Docker和Docker Compose，这些工具能让应用在任何操作系统上无缝运行，避免复杂的环境配置。

获取项目源码的方式很简单，打开终端执行以下命令：

git clone https://gitcode.com/gh_mirrors/mi/mimic-recording-studio
cd mimic-recording-studio

项目提供两种启动方式供选择：

快速启动（推荐）：

docker-compose up

首次运行时Docker会自动构建所需镜像，完成后在浏览器访问http://localhost:3000即可使用。

手动启动（高级用户）：

• 后端：进入backend/目录，运行pip install -r requirements.txt和python run.py
• 前端：进入frontend/目录，运行npm install和npm start

录制语音：从环境到操作

创建专业TTS语音通常需要录制15,000-20,000个短语，合适的准备和规范的操作能显著提升录音质量。

打造理想录音环境

选择安静的房间，可使用毛毯、泡沫板等吸音材料减少回声。避免空调、电脑风扇等持续噪音源，建议使用头戴式麦克风以保持稳定的收音距离。

掌握录制操作规范

保持均匀的语速和音量，避免过快或过慢。合理安排录制时间，每天不超过4小时，每30分钟休息一次。定期备份backend/audio_file/目录，防止辛苦录制的数据意外丢失。

图：Mimic Recording Studio的语音录制界面，显示正在朗读的文本提示和音频波形

优化使用：从数据到配置

了解录音文件存储

所有录音以WAV格式保存在backend/audio_file/{uuid}/目录，同时生成{uuid}-metadata.txt元数据文件，记录每个音频对应的文本内容，这些文件可直接用于Mimic2的训练流程。

自定义语料库内容

系统默认提供英文语料库backend/prompts/english_corpus.csv，如果需要使用自定义文本，可按相同格式创建CSV文件（使用制表符分隔），放入backend/prompts/目录后，修改docker-compose.yml中的CORPUS环境变量指向新文件即可。

管理用户会话配置

当遇到录音会话同步问题时，可以通过浏览器开发者工具修改localStorage中的用户信息。在浏览器中按F12打开开发者工具，切换到"Web-Speicher"（Web存储）选项，找到http://localhost:3000下的localStorage，修改"name"和"uuid"字段即可重新开始新的录音会话。

图：通过浏览器开发者工具修改localStorage中的用户UUID和名称，解决录音会话同步问题

技术解析：从架构到扩展

分层技术架构

前端层：基于React框架构建，核心功能包括音频录制与播放、波形可视化和录制指标计算，源码位于frontend/src/App/目录。

后端层：采用Flask+Gunicorn架构，提供音频处理、语料管理和数据持久化功能，使用SQLite数据库存储录音信息，数据库文件位于backend/db/mimicstudio.db，源码位于backend/app/目录。

常见问题解决

Q: 录音文件保存在哪里？
A: 所有录音文件默认存储在backend/audio_file/{uuid}/目录，其中{uuid}是系统为每个用户生成的唯一标识。

Q: 如何统计录音数量？
A: 可使用SQLite工具连接backend/db/mimicstudio.db，执行以下SQL查询：

SELECT DATE(created_date), COUNT(*) AS 每日录音数 
FROM audiomodel 
GROUP BY DATE(created_date)

Q: 自定义语料库需要什么格式？
A: 需使用制表符分隔的CSV文件，格式与默认的english_corpus.csv保持一致。

通过这四个步骤，您可以高效地使用Mimic Recording Studio创建个性化语音模型。作为开源项目，它欢迎用户通过PR贡献代码，也可通过Mycroft社区论坛获取支持。录制完成后，您还可以选择将语音数据捐赠给Mycroft项目，助力开源TTS技术发展。