AskaEth
3a2711a7e0
侦察结论（真机 + 上游源码）：
- POST /api/analyze_emotion ⇒ {primary,complex,intensity}；primary 闭集
实测 平/喜/惊/哀/怒/厌/惧/急，intensity ∈ Low/Medium/High。
- POST /api/synthesize 收 emo_vector(float[])+emo_alpha，但还要 ref_audio_filename
且只回 {"audio_url"}（服务端落盘），不适合做运行时直出。
- POST /v1/audio/speech 内部先 LLM 分析情绪 + 匹配参考音，再把情绪向量以
[EMO:{vector}|{alpha}]base64:... 注入 voice 交给 indexTTS2 ⇒ **情绪确实影响
语气，但由服务端从待念文本自推**，我方没有可映射的参数。
- 上游把下游载荷的 speed 硬编码 1.0（core/utils/llm_provider.py），客户端
speed 是空转 ⇒ 本切片不暴露 speed，也不暴露 emotion/tone（不造假开关）。
实现：
- internal/runtime/voice/tts：Client（唯一 HTTP 出口，json.Encoder 产出 UTF-8
请求体、超时/非 200/非音频/超限各自可分类）+ 字节嗅探庭裁 + Service（emotionTTS
在前、失败回落既有链，永不上抛成回复失败）+ Provider 适配（可作链的一级）。
- internal/config/runtimeconfig/voicetts.go：$DATA_DIR/config/voice-tts.json
（enabled/baseUrl/character/format/timeoutSec），零新 .env 键。
- cmd/cyrene/wire_voice_tts.go + wireFrontend 的唯一注入点：两条既有出站口
（POST /api/v1/audio/speech 与 WS voice_output）同时用上；不新建端点/帧族。
- 严守 voice 入站闭集（不扩 Source/Status），出站音频不挂 voice DTO（塔裁决 B）。
测试：中文 UTF-8 请求体、非 200、超时、非音频、超限、未启用、空文本、嗅探表、
降级回落、未启用透传、两条出站口的字节级实测、面板配置解析、组合根映射；
三条变异（去中文 / 嗅探恒真 / 去掉回落）各自打红。真机 live 用例（build tag
emotiontts_live）实测 278,036 字节 WAV。
48 lines
1.9 KiB
Go
48 lines
1.9 KiB
Go
package tts
|
||
|
||
// 本文件把 `*Client` 变成一个**既有语音链的一级**（`mvoice.Provider`）。
|
||
//
|
||
// 当前组装走的是 `Service`（包在整条链前面，失败回落），不是把本级插进链里
|
||
// （`multimodal/voice.New` 组装的各级列表不外露，插进去要先改那条链，超出本切片
|
||
// 范围）。提供这个适配是为了让"作为一级"这条路**现在就是通的**：一旦组装方式
|
||
// 改成显式列级（`voice.NewChain(...)`），本级可以原样进链，不必重写 HTTP。
|
||
|
||
import (
|
||
"context"
|
||
|
||
mvoice "git.yeij.top/AskaEth/Cyrene_v2/internal/runtime/multimodal/voice"
|
||
)
|
||
|
||
// Provider 是 emotionTTS 作为降级链一级的适配：只提供 TTS，STT 方向返回 nil
|
||
// （它不做转写；链遇到 nil 会自动跳过这一级去找下一个能转写的）。
|
||
type Provider struct {
|
||
client *Client
|
||
}
|
||
|
||
// NewProvider 用客户端构造一级。client 为 nil 时 Name 仍可用，TTS 返回错误。
|
||
func NewProvider(client *Client) *Provider { return &Provider{client: client} }
|
||
|
||
// Name 返回稳定的级别名（降级信号里就显示这个）。
|
||
func (p *Provider) Name() string { return ProviderName }
|
||
|
||
// STT 返回 nil：本一级不提供转写。
|
||
func (p *Provider) STT() mvoice.STT { return nil }
|
||
|
||
// TTS 返回本一级的合成实现。
|
||
func (p *Provider) TTS() mvoice.TTS { return ttsAdapter{p.client} }
|
||
|
||
// ttsAdapter 把 `Client.Speech` 适配成链要求的 `TTS` 形状（`Audio` 类型不同）。
|
||
type ttsAdapter struct{ client *Client }
|
||
|
||
// TTS 合成音频；client 未接线时返回明确错误而不是 panic。
|
||
func (a ttsAdapter) TTS(ctx context.Context, text string) (mvoice.Audio, error) {
|
||
if a.client == nil {
|
||
return mvoice.Audio{}, mvoice.ErrNotConfigured
|
||
}
|
||
audio, err := a.client.Speech(ctx, text)
|
||
if err != nil {
|
||
return mvoice.Audio{}, err
|
||
}
|
||
return mvoice.Audio{Format: audio.Format, Data: audio.Data}, nil
|
||
}
|