English · 简体中文 · 日本語

Side Story 建立在许多人分享的成果、想法、问题报告和测试之上。感谢最初的 Alexandria 社区，也感谢每一位帮助改进各个分支版本的人。

• Finrandojin：最初的 Alexandria Audiobook 应用，以及可下载的 Alexandria 声音预设。

• Ayush Naphade：角色设定生成、说话人别名解析，以及结合上下文的脚本审校（上游 PR #42）。他的相关项目是 Lily。

• Michii / on22s：引入 Side Story 的 Alexandria Audiobook2 改进，包括上游的 System Health Dashboard（系统健康仪表盘）、跨平台子进程运行器和 Voice Training Dataset Preparer（声音训练数据集准备工具）（#45、#46、#47）。

• REFLEXGAMING007：提供详细的功能建议、复现案例，并反复测试，推动了各分支版本的手动 LLM 工作流程、快照、增量角色设定、可编辑提示词和角色状态声音功能（手动生成、快照、增量更新、提示词编辑、状态角色设定）。

• Alchemist-Production：最初的 Web UI（Web 界面）、Audio Editor（音频编辑器）和分块管理工作，已集成到上游 Alexandria（集成、编辑器）。

• PierrunoYT：最初的 HTML 转义安全改进，由 on22s 纳入上游 PR #39。

• Robertoge65：修复外部 TTS 缺少导入的问题（上游 PR #19）；kishore-1404：修正 CUDA 显存属性（上游 PR #35）。

• MNeMoNiCuZ：修复 Docker 中角色设定提示词的打包问题，随后通过上游的 Docker 更新纳入（原始贡献与致谢）。

继承修复背后的社区报告、想法与测试

• ElBiggus：早期 Windows／音频反馈，以及下载和 CPU 加载问题报告。
• 1BadAshB：批量渲染与取消操作的测试，以及过期克隆提示缓存的诊断和修复验证。
• generallogin：模型缓存加载和 NVIDIA 运行变慢问题报告与测试。
• ryuhda：韩语 LoRA 测试，帮助定位并验证了训练／推理预填充修复。
• sdbrown67：LLM 输出格式异常报告，推动了更安全的条目过滤。
• WirelessRoth：德语与提示词反馈，帮助改进语言控制和可编辑的审校提示词。
• damajor：Docker 启动、配置和显存清理问题报告。
• futuregadets：优先使用 Drive 存储和不依赖 ngrok 的 Colab建议，均被上游采纳。
• Tortoise17：外部声音克隆语言问题报告。
• starpause：以图片呈现的 EPUB 章节标题讨论，促成了基于目录恢复标题的功能（AA2 实现）。

• cjdell：AMD APU 精度修复，为 Side Story 的 fp32 模型加载路径提供了参考（移植）。
• XinchaoGou：OpenAI 推理模型请求处理、通过环境变量引用 API 密钥，以及推理控制、克隆参考验证、外部 TTS 服务器池和滚动故事上下文等想法（移植、推理控制、参考验证、服务器池）。
• Darkkingwill：MP3 比特率方面的发现，以及可取消合并、导出进度、模型选择和记住选项卡等想法；这些功能在 AA2 中独立重新实现，并引入 Side Story（比特率、界面改进）。
• shangyuok：让 TTS 生成 token 上限可配置的想法，已连同匹配的内存估算一起实现（实现）。
• dudarenok-maker / Castwright：跨书籍记住角色配音阵容，以及检查渲染声音一致性的想法，已在 Alexandria 中独立实现（系列记忆、声音检查）。
• Gaspard Michel, Elena V. Epure, Romain Hennequin, and Christophe Cerisara：michel 提示词系列所依据的引语归属研究，已改编为 Alexandria 自身的提示词及前后文处理方式（实现）。

研究启发与共享资源

Side Story 也受益于 AA2 背后的研究。以下致谢涵盖实验和评估资源；这并不意味着每项实验、每个数据集或每个模型都包含在 Side Story 的运行时中。

• Xiao Zhang / buddies：逐行指令词汇，以及将稳定的声音身份与表达方式指令分离的实验。该词汇表被移植到 AA2 的研究工具中，由此得出的比较结果为声音身份相关工作提供了参考（审查、声音改进）。
• p0n1：其标点优先级被改编用于 AA2 的引语感知分块实验。
• zeropointnine：音频回转写验证和截断检测的想法，在 AA2 中进行了探索。
• Drew Thomasson / VoxNovel：其 BookNLP 基线推动了引语归属方面的比较；感谢 David Bamman and the BookNLP contributors 提供底层的文学自然语言处理工作。
• nazdridoy：加权声音混合的想法，在 AA2 中进行了探索；感谢 WhiskeyCoder 对 Qwen3-TTS 分块长度的独立发现，这些发现被用作比较参考。
• Krishnapriya Vishnubhotla, Adam Hammond, and Graeme Hirst 以及 PDNC 标注人员；RiQuA 的 Sean Papay and Sebastian Padó；以及 DraCor 社区：提供了 AA2 引语归属研究中使用的带标注文学资源。
• David K. Elson and Kathleen R. McKeown：其引语归属类别在 AA2 的句法框架实验中进行了探索；感谢 Frank Rudzicz and the BookNLP-OG coauthors 提供端到端引语归属比较的参考。
• CosyVoice 团队：AA2 研究了其语音模型设计思路；CosyVoice 不是 Side Story 的运行时依赖项。
• LibriVox 朗读者、Project Gutenberg 与 Aozora Bunko 志愿者，以及 LJSpeech、Hi-Fi TTS、AISHELL-3 和 Kokoro Speech Dataset 的创建者：提供了研究比较所用的真人朗读和源文本。
• Jay Myers、Malk Williams，以及第三方声明中记录的选角指导：关于保持角色声音一致性，以及区分同场角色声音的实践想法。

更多研究来源、改编内容，以及各项资源特有的权利注意事项，记录在 THIRD_PARTY_NOTICES.md 中。

感谢以下项目背后的维护者和贡献者：

• Alibaba Qwen 团队提供 Qwen3-TTS，为本地语音生成、声音克隆和声音设计提供支持。
• PyTorch、Hugging Face Transformers 和 PEFT 提供模型运行时与适配器训练支持；SpeechBrain 提供声音检查所用的说话人嵌入。
• FastAPI 和 Python 音频生态，包括 pydub、SoundFile、librosa 和 FFmpeg，用于提供应用服务和处理音频；Gradio 用于外部 TTS 客户端。
• Bootstrap、Font Awesome、Marked 和 DOMPurify 提供随应用分发的浏览器界面资源。其固定版本的源码和许可证文件保留在 app/static/vendor 中。
• Pinokio 提供安装与启动平台。
• 对于可选 Voice Tools（声音工具），感谢 llama.cpp、llama-cpp-python、OpenAI Whisper、whisper.cpp、Silero VAD 和 pyannote.audio 团队。这些工具支持本地 LLM 服务、转写、语音检测和可选的说话人分离；它们的安装和模型要求独立于核心工作流程。

致谢不代表背书。本节是对许可证、第三方声明，以及各模型、数据集和依赖项条款的补充，不能替代这些条款。

首页 · 安装 · 制作第一本有声书

致谢内容已对照 Side Story main 分支 8c7a33c、其保留的声明，以及链接中的上游和 AA2 贡献历史进行核查。