# 让绘本说"妈妈的话"：自制 JOJO 点读笔点读材料全流程实战

> **一句话摘要**：把任意绘本变成 JOJO 点读笔可点读的内容——用 AI 从网盘取音频、STT 定位、克隆家人声音、批量合成、对齐音量、写入笔内 DIYrec 文件夹。本文给出完整可复现的流程、接口参数和踩坑记录。

## 一、背景：点读笔为什么能"自制"

市面上的点读笔分两类：
- **封闭式**：只能点官方配套书（绑死教材）
- **开放式/DIY**：支持自制点读包——**JOJO（宝宝巴士）就属于这类** [S1][S2]

JOJO 的 DIY 原理非常朴素：

> **贴纸编号 = 音频文件名 = 笔内 `DIYrec` 文件夹里的文件**

笔靠"文件名匹配贴纸编号"播放音频。关键点：
1. 音频存在**笔的内存**里，贴纸只是一张带编号的无源标签 → **同一张贴纸换掉同名音频文件，就等于换了内容**，一套贴纸可以反复做很多本书
2. 编号位数必须和贴纸印的一致（⚠️ 本文实测：JOJO 贴纸是 **5 位编号**，码段从 **02641** 起；网上很多教程写的"4 位 0001"来自其他品牌，别照抄 [S1][S2]）

## 二、整体流程

```
资源获取 → STT 定位内容 → 设计点读脚本 → 克隆家人声音 → 批量 TTS 合成
→ 音量对齐官方基准 → 按编号写入 DIYrec → 贴贴纸 → 逐点测试
```

## 三、关键步骤与参数

### 1. 资源获取（以夸克网盘为例）

- **读文件清单不需要登录**：
  - `POST https://drive.quark.cn/1/clouddrive/share/sharepage/token`，body `{"pwd_id":"<分享ID>","passcode":""}` → 返回 `stoken`
  - `GET .../share/sharepage/detail`（参数 `pwd_id`/`stoken`/`pdir_fid`/`_size=100` 等）→ 文件清单（含 fid、大小、是否文件夹）
- **下载文件需要登录态（Cookie）**：
  - 列自己网盘：`GET .../file/sort`（⚠️ 不是 `/file/list`，后者 404）
  - 拿下载地址：`POST .../file/download`，body `{"fids":[...]}` → 返回 `download_url`
  - **下载时请求头必须带 Cookie + `Referer: https://pan.quark.cn` + 夸克 Electron UA**，否则 403

### 2. STT 定位：不知道音频内容怎么办

绘本点读包文件名常常是"兜1.mp3""把2.mp3"这种没信息的名字。用语音转写把每段音频变成文字：
- 端点：`POST https://api.boson.ai/v1/audio/transcriptions`（OpenAI Whisper 兼容）
- 模型：**`higgs-stt-3.1`**（注意不是 `higgs-stt-3`，也不是 `whisper-1`；不确定时先 `GET /v1/models` 列账号可用模型）[S6]
- 语言参数必须用 ISO 码 **`zh`**（传 `Chinese`/`auto` 会报 400）

### 3. 设计点读脚本（1.5 岁宝宝适用）

按儿童发展心理学/教育学原则（本项目的取值依据）：
- 单点音频 **5~15 秒**，30 秒是上限——1~2 岁婴幼儿持续注意以秒计
- 中文绘本语速 ~150-180 字/分 → 10 秒 ≈ 25~30 字、15 秒 ≈ 40~45 字
- 句式**重复**、结尾**留白**（TPR 全身反应法需要孩子有反应时间）
- 结构：封面 1 张 + 每个场景"问句贴 + 答句贴" + 结尾 1 张；可选**双语单词贴**（贴人物图上，点人物出中英单词）

### 4. 克隆家人声音（Higgs 语音克隆）

想让点读内容用妈妈/爸爸的声音读：
- 克隆：`POST https://api.boson.ai/v1/audio/voices`（multipart 字段：`name` + `ref_text`（参考音频的**逐字稿**）+ `audio` 文件）→ 返回 `voice_id` [S6]
- 参考音频要求：**10~30 秒、清晰、无回声**；克隆前**先用 STT 验证音频内容和逐字稿一致**，避免"文不对音"
- 克隆后**先合成 1~2 句试听**（至少包含一句参考音频里没有的句子，验证泛化能力），用户确认音色后再铺全量

### 5. 批量合成 + 音量归一化（最容易被坑的一步）

- 合成：`POST https://api.boson.ai/v1/audio/speech`，body `{"model":"higgs-tts-v3","input":"文本","voice":"<voice_id>","response_format":"mp3"}`
- ⚠️ **Higgs 克隆声音量极低**（原始 mean_volume 约 -40 dB），直接写入笔会非常小声
- **实测基准**：JOJO 官方音频（`E:/audio/download/`）mean_volume 平均 **-17.9 dB**（范围 -17.3~-18.4，非常统一）
- 归一化做法（ffmpeg）：每条先测当前 RMS，然后 `volume={目标-当前}dB,alimiter=limit=-0.5dB`，把全部文件拉到 -18 dB 附近，与官方音频音量一致

### 6. 写入笔

- 按贴纸编号命名（`02651.mp3`…）复制进 `DIYrec/`
- 格式：WAV/MP3 均可（官方缓存就是 mp3）
- 写完拔插一次，逐点测试：①音量 ②不串音 ③时长不截断

## 四、踩坑记录（都是真金白银）

| 坑 | 现象 | 解决 |
|---|---|---|
| 编号位数错 | 点贴纸不出声/串音 | 位数必须与贴纸一致（本文实测 5 位 02641 起） |
| 下载 403 | 夸克下载 URL 裸请求被拒 | 必须带 Cookie + Referer + 夸克 UA |
| STT 400 | 模型名/语言参数不对 | 模型 `higgs-stt-3.1`，语言 `zh`（ISO 码） |
| 克隆声太小 | 笔里听不清 | 归一化到官方基准 -18 dB |
| Excel 二次保存 CSV | .csv 文件变成二进制（zip） | 台账直接给 .xlsx，别用 .csv 来回存 |
| ffmpeg 写中文路径失败 | "No such file or directory" | 用 ASCII 临时目录中转 |
| 贴纸"贴哪" | 模型看不到图片画面 | 只能给"文字旁/人物旁"建议，需人工对照实体书确认 |

## 五、可复用提示词（给任何 AI 助手）

> 下面是可直接复制给 AI 助手（Claude / ChatGPT / 其他）的完整任务提示词，它会按此流程帮你做自制点读材料：

```text
你是一个"自制点读笔点读材料"专家。JOJO 点读笔 DIY 原理：贴纸编号=音频文件名=笔内 DIYrec 文件夹文件，音频存在笔内存里，贴纸可换内容复用。

请帮我完成以下任务：
1. 我提供（任选）：绘本 PDF/图片、或网盘分享链接、或现成音频文件夹
2. 用 STT（如 higgs-stt-3.1，语言用 ISO 码 zh）把音频转文字，定位每段内容
3. 设计点读脚本：1.5 岁宝宝，单点 5~15 秒（中文 10~25 字），句式重复+结尾留白，结构=封面+每场景(问句+答句)+结尾，可选双语单词贴
4. 克隆家人声音：提供 10~30 秒参考音频+逐字稿 → 克隆 → 先试听 1-2 句（含参考音频里没有的句子）确认音色
5. 批量 TTS 合成（中文句子+双语单词），统一归一化音量到 -18 dB（官方基准）
6. 按贴纸编号（5 位，如 02641）命名，写入笔的 DIYrec 文件夹
7. 输出：贴纸对照表（编号|位置|文本）+ 台账（.xlsx）
约束：文件名位数必须与贴纸一致；下载网盘文件需 Cookie；沙盒删除受限时保留中间文件让用户手动删；看不到图片画面时必须如实说明，位置建议需用户对照实体书确认。
```

## 六、成果示例

以巧虎绘本《大家都喜欢谁》为例（20 张贴纸，方案 B）：
- 封面 1 + 6 个场景（换尿布→妈妈、洗澡→爸爸、散步→奶奶、煮汤→爷爷、洗衣服→外婆、讲故事→外公）各"问句+答句" + 结尾 1
- 6 张双语单词贴（妈妈/Mommy、爸爸/Daddy、奶奶/Grandma、外婆/Granny、爷爷/Grandpa、外公/Grandpa）
- 全部用"妈妈克隆声"朗读，音量对齐官方基准，写入笔后逐点测试通过

## 七、成本与边界

- **成本**：Higgs TTS/STT 按量计费；edge-tts 免费（微软）；贴纸是唯一实体耗材

## 参考来源

- [S1] 什么值得买《Jojo点读笔、小鸡球球点读笔万能用法》：DIY 贴纸 + WAV 音频命名规则
- [S2] 妈妈网《自制点读贴--保姆级教程》：DIYrec 文件夹 + 编号命名流程
- [S3] 百度新闻《如何自制宝宝巴士Jojo点读笔录音贴》：DIY 文件夹 + 批量重命名
- [S4] 淘宝知识库《Jojo点读笔录音贴纸怎么用》：录音贴纸 30 秒/张、可擦写 1000 次
- [S5] 郑静宜《點讀筆於特殊教育教學的應用》：OID 点读码原理与码段
- [S6] Boson AI《Higgs STT 3》模型说明：STT 模型与 Whisper 兼容接口
- [S7] lobehub/mcpworld：quark-nd-mcp 夸克网盘 MCP（分享接口参数参考）
- [实测] 本文所有 dB 值、接口参数、编号规则均为本项目实测数据

---

*本文为实战经验分享。点读笔自制仅限自用/家庭场景，请尊重绘本版权，勿商用盗版内容。*


一句话摘要：把任意绘本变成 JOJO 点读笔可点读的内容——用 AI 从网盘取音频、STT 定位、克隆家人声音、批量合成、对齐音量、写入笔内 DIYrec 文件夹。本文给出完整可复现的流程、接口参数和踩坑记录。

#Workbuddy#让绘本说"妈妈的话"：AI自制 JOJO 点读笔点读材料全流程

把任意绘本变成 JOJO 点读笔可点读的内容——用 AI 从网盘取音频、STT 定位、克隆家人声音、批量合成、对齐音量、写入笔内 DIYrec 文件夹。本文给出完整可复现的流程、接口参数和踩坑记录。

人工智能

硬件

前端

自制JOJO点读笔点读材料全流程：从网盘获取音频、STT定位内容、克隆家人声音、批量TTS合成到音量对齐，详细解析5位编号贴纸使用技巧和踩坑经验，让普通绘本变身可点读互动教材。

代码解释

WorkBuddy企业版限时双倍 Credits 活动

workbuddy

语音产品特惠新用户14.9元起


2026上云采购 | AI焕新·智启新局

lexiang

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

#Workbuddy#让绘本说"妈妈的话"：AI自制 JOJO 点读笔点读材料全流程-腾讯云开发者社区-腾讯云

#Workbuddy#让绘本说"妈妈的话"：AI自制 JOJO 点读笔点读材料全流程

#Workbuddy#让绘本说"妈妈的话"：AI自制 JOJO 点读笔点读材料全流程

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐