一个在你的 Mac 上运行的语音工作室

0.5 改的是用法，不是外观：颜色、字体和按钮都不变。从首页的一个输入框开始；每个工具都在自己页面的顶部开始工作，做出来的东西列在下面；结果可以接力送到下一个工具；所有产出都在「素材」里，所有长项目都在「项目」里。

新旧入口对照

原来	现在
工作室	文字转语音
历史	素材
音色发现、我的音色	音色：发现、我的
设计音色、克隆音色	新建音色：设计音色、快速克隆
项目库	项目（用侧栏的搜索或 ⌘K 搜索）
模型、引擎、日志	设置 → 模型与网络、引擎、日志
集成、设置 → 集成、本地 API	开发者：概览、本地 API（设置 → 集成会指向这里）
工具	开发者 → 工具
侧栏底部的活动卡片	「设置」旁边的通知铃铛
顶栏和面包屑	每一页自己的标题行
故事、有声书的「项目」菜单	页面上的列表，以及编辑器的 ⋯

旧链接（audiosmith://gallery、/history、/tools、/integrations 等）会打开新位置；本地 API 和 MCP 不变。⌘1…⌘8 是首页、文字转语音、音色、项目、视频配音、语音转文字、故事、有声书；⌘F 把光标放进侧栏的搜索框。

从首页开始

• AudioSmith 打开就是首页：「今天想做点什么？」和一个输入框。输入文字、粘贴链接或拖入文件，按回车发送（Shift+回车换行）：文字会在文字转语音里作为稿子打开，视频或链接会开始配音，录音会直接转写，文本或电子书会成为有声书。下面是工具行、最近的作品和五个示例。写作助手的模型已加载时，「智能分派」可以让它在文字转语音、故事和有声书之间选择。
• 侧栏上面是「地方」：首页、音色、项目、素材；下面是工具：文字转语音、新建音色、故事、有声书、视频配音、语音转文字、人声分离、听写，以及 ··· 更多（工作流、批量配音、电话）。搜索在侧栏顶部（页面、操作、音色、项目、示例）；开发者、设置和铃铛（任务和通知）在底部。
• 每一页都有自己的标题行：标题、列出的数量，以及这一页自己的工具，最多一个主按钮，所有控件一样高。⌘[ ⌘] 和鼠标的后退、前进键在看过的页面之间后退、前进；条目页的标题前显示所属列表的名字，点它回到列表。窗口较窄时，搜索框收成放大镜，不常用的工具收进 ⋯。
• ⌘K 搜索一切。 没输入时显示快捷操作和最近的作品；输入后按组显示页面、操作、音色（回车即在文字转语音里使用）、项目、示例，以及按稿子搜到的生成结果，最后一行总是「用文字转语音朗读」。

每个工具都在自己的页面上开始

• 文字转语音：稿子占满左侧；稿子为空时，下面的示例胶囊（讲一个故事、产品旁白、播客开场……）会按音色的语言填入示例。「生成」（⌘↩）在左下，最新的结果就在它上方。右侧是设置（音色和模型选择器、「✦ 推荐」、语速、语言、高级）和历史（本页生成的结果，可导出、重用设置、换个音色再生成、存为项目、删除）。
• 视频配音：拖入视频或录音，或粘贴链接，选好语言，点「配音」。配音立即开始，出现在下面列表的最上方并显示进度；点开进入配音编辑器。
• 语音转文字：拖入、上传、粘贴链接或录音，选语言、是否区分说话人、快速或精确，然后发送。转写在单独的页面打开，可以接力「配音」和「在文字转语音里朗读」。
• 新功能：人声分离。拖入一首歌、一段视频或一段有噪音的录音，就能得到单独的人声、音乐和音效，以及降噪后的人声，全部在这台 Mac 上完成（HTDemucs、DeepFilterNet）；每条音轨都能试听、保存，也能送去语音转文字或视频配音。
• 故事和有声书打开时，上面是输入框，下面是你的故事或有声书：一句话描述故事或粘贴剧本，或者粘贴、导入书稿并选好旁白，然后「新建」。项目在原来的编辑器里打开；点标题栏里的列表名（或 ⌘[）会保存并回到列表。保存和另存一份在编辑器的 ⋯ 里。
• 新功能：故事的**「帮我写」**。这台 Mac 上有写作助手的模型时，打开它，用一句话描述故事：写作助手会按描述的语言写出两三个角色的短场景（书面语，不加语气词），然后建好故事、分配音色并打开。写的时候有进度提示，可以取消。

音色

• 标题行里用「发现 | 我的」切换。
• 发现：语言、性别、年龄菜单和用途胶囊；先是宽度一致的「推荐」卡片，再是「全部」。▶ 在行内试听；点一行，右边打开音色详情：大的试听、「试一句」，以及「用于文字转语音」「用于故事角色」「用于有声书旁白」「保存到我的音色」。
• 我的列出你的音色，可按 全部 / 克隆 / 设计 / 收藏 筛选；⋯ 里可以重命名、复制、导出或删除（可撤销）。已保存音色的详情里有原来档案编辑器的全部内容。
• 新建音色提供快速克隆（一页向导：添加录音 → 检查 → 命名保存 → 完成）和设计音色（描述、预设胶囊、三个候选任选）。

项目、素材和示例

• 项目列出故事、有声书、配音、转写和人声分离，最新的在前，带类型、时间、长度和状态；可以搜索（标题，以及故事、有声书和转写的文字）、按类型筛选、列表或卡片显示；⋯ 里可以打开、重命名、复制或删除。人声分离显示文件名，不再显示完整路径。
• 素材汇集所有产出和导入的文件：生成结果、渲染、导出、分离的音轨，以及用过的录音和视频，可按类型和来源工具筛选。每一行可以直接播放、在来源工具里打开，也可以送去语音转文字、视频配音、人声分离，或把文字送去文字转语音。
• 示例：两人对话的故事、一章有声书、一段产品旁白、一段配音短片、一段会议转写，在首页的「示例」标签、项目页顶部和 ⌘K 里。打开示例会把它复制到你的资料库，成为可以编辑、删除的普通项目，然后打开；再次打开时会问你是打开已有的那份，还是新建一份。每个示例打开就能直接播放，也不会先弹出功能介绍：「雨夜修表铺」是两个角色加旁白的短场景（对话由多人对话模型演绎）；「北站的末班车」是带两个角色的第一章；一段为虚构台灯配的三十秒旁白，作为文字转语音的最新生成结果；「天空为什么是蓝色的」是我们自制的英文短讲解，已配成中文，在配音编辑器里打开；还有一段两人的发布安排会，已区分说话人转写。所用音色都是内置音色。
• 配音项目复制或移动到别的文件夹后（打开示例、在设置 → 存储里移动数据文件夹），已生成的行仍然有效：改一行只重新生成这一行，不再全部重做。之前做的配音下次运行时会把每行再生成一次。

在需要的地方给提示

• 第一次打开视频配音、语音转文字、人声分离、新建音色、故事和有声书时，会弹出简短的介绍：三条要点和「开始」。每个只显示一次；设置 → 通用 → 「重新显示功能介绍」可以再看一遍。
• 列表为空时显示幽灵行，提示这里会出现什么。

列表、面板和控件

• 所有列表（音色、项目、素材、配音、转写、人声分离、文字转语音的历史、首页的最近）都用同一种行：没有表头，行与行之间没有分隔线；圆角行在鼠标经过、打开和播放时变色，点一行打开它，▶ 和 ⋯ 在行尾；长度、日期、类型、语言和用途前有小图标（悬停显示名称）。选中一行按 Delete 会询问是否删除。
• 详情和工具面板浮在页面右侧、标题行下方，滑入滑出：音色或生成结果的详情不再挤窄列表；文字转语音、配音步骤、故事和有声书的面板在页面够宽时占住自己的位置，窗口窄时浮在页面上。✕ 或 Esc 关闭；点另一行显示那一行。
• 标题行里的筛选、按钮和切换都和搜索框一样高；开发者页和文字转语音的标签改成和音色页一样的切换。
• 播放和暂停换成新图标（Hugeicons）；试听播放时显示暂停，不再显示停止。
• 行里的标签（语言、性别和年龄、用途、音色类型、项目类型、素材来源）都能当筛选：点一下只看这一类，再点一下取消。行里的 ▶、「使用」和 ⋯ 在指针下会亮起；发现和我的里每个音色都能试听。
• 页面多用了一点窗口：左右边距从 24 点改为 16 点，标题栏和页面一致。首页仍是居中的一栏。
• 侧栏的「··· 更多」在原地展开（工作流、批量配音、来电），展开后显示「收起」；从别处打开其中的页面时会自动展开。
• 菜单栏图标：AudioSmith 正在生成（语音、配音、渲染、转写、听写、写作助手）时显示红点，有 Agent 通过 MCP 连接时显示紫点；下载和排队中的任务不算。

配音编辑器

• 步骤（转写、翻译、音色、生成、导出）变成页面标题栏里的图标：已完成的着色，当前步骤突出，进行中的转圈，失败的显示红色；悬停提示步骤名和状态。
• 去掉了底栏：当前步骤的主按钮放在播放控制行（还没有转写稿时放在标题栏），状态和进度环在标题栏的面板按钮旁边。
• 时间轴：点标尺跳转，拖动播放头，点色块只选中这一句（双击从这句播放）；在空白处拖动不再拖动播放位置。轨道更矮，缩放、重播和 ±5 秒都在播放控制行里。空格播放/暂停，Home 回到开头，J、L 后退和前进。

开发者

• 开发者页最上面是「接入你的 Agent」：在 编程代理、MCP、cURL 之间切换并复制代码（给编程代理的提示词、MCP 服务器配置或第一个请求），下面的「等待第一次请求…」会变成最近一次请求的时间。再往下是 API 参考、安装技能、本地 API 设置的快捷入口，以及所有应用和代理的接入说明。本地 API 和工具（音色 A/B、变声、语速适配、演绎指导、文件检测、水印检测）在另外两个标签里。
• App 能做的事，Agent 几乎都能做（听写、电话、麦克风、接受许可和修改设置除外）：MCP 服务器现在有 57 个工具，新增人声分离、列出素材和示例并打开示例、音色改名/复制/导出/导入、试听任意音色、克隆前检查录音、设计音色给出三个候选、用写作助手起草故事、用另一个音色重说一段录音、下载模型、水印检测、文件检测、演绎建议、台词时长检查和读取默认设置。配音可以直接给链接，转写可选快速或精确。技能文档写明了每个工具和常用流程。已在 ChatGPT（Codex）和 WorkBuddy 里实测。
• Agent 删除或下载之前会先问你。 只说了要做这件事不算同意：Agent 会先说明要删什么、下载多大，等你答应；支持的客户端会弹出 AudioSmith 自己的确认。工具会标明哪些只读、哪些会删除、哪些要联网。技能里也要求 Agent 用工具，而不是去操作 AudioSmith 的窗口。

修复

• 故事：没有空行的剧本里，跟在「人名：……」后面的旁白行重新算作旁白，不再算成那个角色的台词。
• 复制音色时，副本按 App 的语言命名。