这是一个 AI 综合语音处理平台，支持音频任务的前处理，实时处理，后处理三大板块的任务。

1. TTS 文本转语音：优先 OpenAudio-S1；高端场景可选 Microsoft Azure TTS
2. VC 音频克隆：IndexTTS（现 1.5 开源，关注 2.0）；企业级备选 NeMo‑Megatron / NVIDIA Riva
3. FMT 音频格式转换：FFmpeg + Pydub（功能全面 + Python 易集成）

1. 中文实时转文本：FunASR（开源首选，流式）；高精度补充：百度语音识别 API
2. 英文实时转文本：Whisper-Stream（开源性价比高）；备选 Google Cloud Speech‑to‑Text

1. VAD（语音活动检测）：PaddleSpeech VAD（首选，企业级部署友好）；轻量备选 WebRTC VAD / SILERO VAD
2. 语音降噪：PaddleSpeech 降噪（含 PaddleAudio，支持自定义噪声与批量处理）；备选 NVIDIA RTX Voice / RNNoise Wrapper
3. 音频转文本（离线/批量）：PaddleSpeech ASR + 百度千帆 ASR 混合（本地控成本，高精度走云端）；开源备选 Whisper
4. 说话人识别：PaddleSpeech 声纹识别（ECAPA‑TDNN，支持 10000+ 说话人，提供完整 API）；备选 PyAnnote‑Audio / WhisperX
5. 对话总结：Qwen3（开源，性价比高）/ ERNIE‑3.0（中文强，云端补充）；可用 LangChain 组装定制流程

webman: 项目后端 API saiadmin-vue: 项目前端 用户综合平台（管理员+ 后台） work-node： 各种后端工作节点