update voice and font

app/services/video.py

@@ -287,6 +287,9 @@ def generate_video(
             bg_color=params.text_background_color,
             stroke_color=params.stroke_color,
             stroke_width=params.stroke_width,
+            size=(video_width, None),
+            method='caption',
+            text_align='center'
         )
         duration = subtitle_item[0][1] - subtitle_item[0][0]
         _clip = _clip.with_start(subtitle_item[0][0])
@@ -320,6 +323,9 @@ def generate_video(
             text=text,
             font=font_path,
             font_size=params.font_size,
+            size=(video_width, None),
+            method='caption',
+            text_align='center'
         )
 
     if subtitle_path and os.path.exists(subtitle_path):

app/services/voice.py

@@ -952,6 +952,9 @@ Gender: Male
 Name: zh-CN-YunxiaNeural
 Gender: Male
 
+Name: zh-CN-YunzeNeural-V2
+Gender: Male
+
 Name: zh-CN-YunyangNeural
 Gender: Male
 
@@ -1012,6 +1015,7 @@ Gender: Female
 
 Name: zh-CN-XiaoxiaoMultilingualNeural-V2
 Gender: Female
+
     """.strip()
     voices = []
     # 定义正则表达式模式，用于匹配 Name 和 Gender 行
@@ -1106,6 +1110,27 @@ def azure_tts_v2(text: str, voice_name: str, voice_file: str) -> Union[SubMaker,
         logger.error(f"invalid voice name: {voice_name}")
         raise ValueError(f"invalid voice name: {voice_name}")
     text = text.strip()
+    # 根据不同的声音使用不同的 SSML
+    if voice_name == "zh-CN-YunzeNeural":
+        print(f"DEBUG: Using SeniorMale role and calm style with styledegree=2 for voice {voice_name}")
+        ssml = f"""
+        <speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis" xmlns:mstts="http://www.w3.org/2001/mstts" xml:lang="zh-CN">
+            <voice name="{voice_name}">
+                <mstts:express-as role="SeniorMale" style="calm" styledegree="2">
+                    {text}
+                </mstts:express-as>
+            </voice>
+        </speak>
+        """
+    else:
+        print(f"DEBUG: Using standard SSML for voice {voice_name} (no special role or style)")
+        ssml = f"""
+        <speak version="1.0" xmlns="http://www.w3.org/2001/10/synthesis" xmlns:mstts="http://www.w3.org/2001/mstts" xml:lang="zh-CN">
+            <voice name="{voice_name}">
+                {text}
+            </voice>
+        </speak>
+        """
 
     def _format_duration_to_offset(duration) -> int:
         if isinstance(duration, str):
@@ -1172,7 +1197,9 @@ def azure_tts_v2(text: str, voice_name: str, voice_file: str) -> Union[SubMaker,
                 speech_synthesizer_word_boundary_cb
             )
 
-            result = speech_synthesizer.speak_text_async(text).get()
+            #result = speech_synthesizer.speak_text_async(text).get()
+            print(f"DEBUG: Final SSML being used:\n{ssml}")
+            result = speech_synthesizer.speak_ssml_async(ssml).get()  # 修改这一行
             if result.reason == speechsdk.ResultReason.SynthesizingAudioCompleted:
                 logger.success(f"azure v2 speech synthesis succeeded: {voice_file}")
                 return sub_maker

webui/Main.py

@@ -122,7 +122,8 @@ def scroll_to_bottom():
         scroll(1);
     </script>
     """
-    st.components.v1.html(js, height=0, width=0)
+    # 使用st.markdown代替st.components.v1.html
+    st.markdown(js, unsafe_allow_html=True)
 
 
 def init_log():
@@ -763,7 +764,7 @@ with right_panel:
 
         with font_cols[1]:
             saved_font_size = config.ui.get("font_size", 60)
-            params.font_size = st.slider(tr("Font Size"), 30, 100, saved_font_size)
+            params.font_size = st.slider(tr("Font Size"), 30, 150, saved_font_size)
             config.ui["font_size"] = params.font_size
 
         stroke_cols = st.columns([0.3, 0.7])

测试.md

@@ -0,0 +1,59 @@
+# Role: AI Copy Variation Assistant
+
+# Context:
+你是一位专业的AI文案裂变助手。你的核心任务是根据我提供的原始文案，生成50条**高质量、语义一致**的变体文案。目标是实现“微调”效果，即每条变体与原文案相比只有少量词语不同，但整体意思和结构保持高度一致。**此过程无人工审核，请严格遵守规则确保质量。**
+
+# Replacement Strategy & Keyword Categories:
+请专注于替换以下类型的词语（你**需要智能识别**原文中属于这些类别的词语进行替换，**每次替换1-3个词语**即可，不必全部替换）：
+1.  **形容词/副词**: 例如，描述效果、感觉、程度的词语 (如："惊艳的", "快速地", "非常")。
+2.  **核心动词**: 例如，引发动作、说明功能的词语 (如："解决", "提升", "带来")。
+3.  **呼吁行动语 (CTA)**: 例如，结尾引导用户行动的短语 (如："立即体验", "马上行动", "不要错过")。
+4.  **[可选添加其他类别]**: 例如，目标人群词 (如："年轻人", "职场人") 或 场景词 (如："通勤路上", "熬夜加班时")。
+
+# Strict Rules (不可违背的规则):
+1.  **保持核心信息不变**: 绝对不能改变原文的核心含义、产品/服务特点或关键价值主张。
+2.  **维持基本结构和长度**: 新文案的句子结构、段落划分和预估阅读/讲述时长应与原文高度相似。
+3.  **语气风格一致**: 保持原文的语气。
+4.  **自然流畅**: 生成的文案必须符合中文表达习惯，读起来自然、通顺，无语法错误或生硬拼接。
+5.  **避免低质重复**: 生成的 **[50]** 条文案之间应有**可感知的差异**，避免仅仅是同义词的简单堆砌或生成高度雷同的文案。使用多样化的、同一类别下的不同词汇。
+6.  **实现微调效果**: 强调！每条新生成的变体文案，相比原文，**仅替换1-3处**关键词或短语。
+
+# Output Format:
+请以编号列表的格式输出所有生成的 **[50]** 条变体文案。
+
+
+请基于以下框架，针对[目标用户]设计爆款短视频引流文案。每条文案请变换变量内容，保持神秘感、紧迫感与互动感。
+
+要求：
+
+内容真实感强，悬念感强，情绪足够抓人。
+合理换用不同身份、时间点、互动动作等，提高多样性。
+引导至少一次行为（如点赞/关注/评论/去主页等）。
+禁止机械式堆砌，需有自然表达与情感链接。
+变量列表（用于分裂）
+【用户标签】：（如生肖、星座、年龄、职业等）
+【具体时间】：（如下周二上午十点十二分、今晚8点08分等）
+【事件数量】：（1件/2件/三件重要的事）
+【事件描述】：（人生会有转机、大事要发生、好消息降临、秘密曝光等）
+【保密动作】：（别出声、切勿外传、小心留意、务必安静听好等）
+【互动动作】：（点亮小红心、评论“收到”、关注我、转发给朋友等）
+【身份关系】：（妈、闺蜜、老师、姐姐、兄弟等）
+【稀缺警告】：（今天不做就错过、见一次少一次、这次没看到下次不来了等）
+【引流目标】：（主页第一条视频、最新视频、私信了解、关注我看真相等）
+【悬念补充】：（所有真相都藏在里面、背后有原因、你会感谢今天看到了等）
+结构化分裂文案提示词
+请用下面结构填充变量，批量生成不同鲜活场景的文案：
+
+【用户标签】，在【具体时间】，你身边有【事件数量】【事件描述】。我特意来告诉你，【保密动作】，仔细听好了，这件事不能随便说出去。现在就【互动动作】，让【身份关系】知道你收到提醒了。【稀缺警告】。记得去【引流目标】，【悬念补充】。
+
+示例填充1：
+用户标签：属虎的
+具体时间：明天早上九点半
+事件数量：有两件
+事件描述：重要的决定要降临
+保密动作：不要声张
+互动动作：点亮小红心
+身份关系：哥哥
+稀缺警告：错过了今天就再也没有机会
+引流目标：主页置顶视频
+悬念补充：那才是真正的关键