SlilentOrator - PPT 嘴替

PPT 翻页 + AI 语音朗读，浏览器当遥控器。

手机打开网页就能控制电脑上的 PPT 翻页和语音播放，演讲时不用再跑回电脑前。

30 秒上手

1. 双击 start.bat

自动安装依赖、启动服务，打开浏览器访问：

http://localhost:8000        ← 电脑本机
http://服务端IP:8000         ← 手机/其他设备（同一局域网）

2. 准备演讲项目

在 pptresource/ 下建一个文件夹，放入：

文件	说明
*.pptx	PPT 文件
script.md	演讲稿（按页分段，见下方格式）

示例 pptresource/sample/script.md：

第一页：
大家好，今天分享的主题是...

第二页：
首先来看第一部分...

3. 网页端操作

1. 加载项目 — 选择刚才建的文件夹，点击「加载」
2. 翻页 — 点击「上一页」「下一页」或页面小圆点
3. 播放语音 — 点击「播放」按钮，自动朗读当前页演讲稿
4. 预生成 — 提前缓存所有页面的语音，播放时零延迟

---

环境要求

• Windows 10/11
• Python 3.9+（start.bat 自动创建虚拟环境）
• Microsoft PowerPoint
• VLC Media Player（start.bat 自动检测，未安装时尝试自动安装）

---

演讲稿格式

第一页：
内容...

第二页：
内容...

第三页：
内容...

支持 第一页：、第1页：、页1： 等格式。

---

TTS 引擎

内置两个引擎，网页端可运行时热切换：

引擎	说明	依赖
edge-tts	微软云端 TTS，开箱即用	网络
Omnivoice	本地语音克隆，音质更好	gradio-client + 本地部署的 Omnivoice 服务

Omnivoice 配置

1. 本地部署 Omnivoice 服务（默认端口 8001）
2. 在项目根目录 ref/ 下放置：
   • 参考音频（.wav / .mp3）— 你要克隆的声音样本
   • 参考文本（.txt）— 音频对应的文字
3. start.bat 会自动读取 ref/ 下的文件作为默认值
4. 也可通过网页端「TTS 引擎设置」面板手动配置

---

项目结构

SlilentOrator/
├── server/              # 服务端
│   ├── main.py          # FastAPI 入口
│   ├── ppt_controller.py # PowerPoint 控制
│   ├── tts_engine.py    # TTS 引擎（edge-tts + Omnivoice）
│   ├── script_parser.py # 演讲稿解析
│   ├── config.py        # 配置（可通过 .env 覆盖）
│   ├── requirements.txt
│   └── static/index.html # 网页遥控端
├── pptresource/         # 演讲项目目录（文件被 gitignore）
├── ref/                 # Omnivoice 参考音频/文本（文件被 gitignore）
├── start.bat            # 一键启动
├── LICENSE              # MIT License
└── README.md

---

配置

通过 .env 文件或环境变量覆盖默认值：

变量	说明	默认值
tts_engine	引擎选择	edge-tts
omnivoice_url	Omnivoice 服务地址	http://192.100.200.73:8001
omnivoice_ref_audio	参考音频路径	自动读取 ref/ 目录
omnivoice_ref_text	参考文本	自动读取 ref/ 目录
omnivoice_sp	语速	1.0
tts_voice	edge-tts 语音	zh-CN-XiaoxiaoNeural

---

API 接口

状态

方法	路径	说明
GET	/api/status	完整状态

项目管理

方法	路径	说明
GET	/api/projects	列出所有项目
POST	/api/projects/load?name=xxx	加载项目（打开 PPT + 加载演讲稿）

PPT 控制

方法	路径	说明
POST	/api/ppt/next	下一页
POST	/api/ppt/prev	上一页
POST	/api/ppt/goto/{page}	跳转到指定页
POST	/api/ppt/start	开始放映
POST	/api/ppt/stop	结束放映

TTS 控制

方法	路径	说明
POST	/api/tts/play?page=1	播放指定页
POST	/api/tts/pause	暂停
POST	/api/tts/resume	继续
POST	/api/tts/stop	停止
GET	/api/tts/cache	获取缓存状态
POST	/api/tts/pre_generate	预生成所有页面音频
POST	/api/tts/delete_cache	删除缓存（?page=3 删指定页）

TTS 引擎

方法	路径	说明
GET	/api/tts/engine	获取引擎配置
POST	/api/tts/engine	运行时热切换引擎

WebSocket

WS /ws

双向通信，支持 next / prev / goto / play / pause / resume / stop。

---

后续计划

• PPT 备注页自动读取演讲稿
• 激光笔功能
• 演讲计时器