fix: 修复流式播放无声音问题（SSE 行缓冲 + 解析层级）

2026-05-09 04:06:47 +08:00
parent ceeb6a3c31
commit d34ebd147e
15 changed files with 679 additions and 458 deletions
--- a/changelog.md
+++ b/changelog.md
@@ -1,48 +1,111 @@
 # 版本变更记录 (changelog.md)

+## [0.3.2] - 2026-05-09
+
+### 修复
+- 修复流式播放无声音问题（守护进程 `send --stream` 和 CLI `--stream --play`）
+- 修复 SSE 解析结构体层级：`audio` 在 `choices[0].delta.audio.data`，非顶层字段
+- 修复 SSE 行分割问题：HTTP bytes_stream chunk 边界不对齐 `\n`，添加 `line_buf` 行缓冲器
+
+### 重构
+- 重写 daemon 主循环：`LocalSet` + `spawn_local` 替代 `std::thread::spawn` + 桥接，简化流式播放路径
+- 统一 CLI 和 daemon 的流式播放逻辑
+
+---
+
+## [0.3.1] - 2026-05-09
+
+### 修复
+- 修复 HTTP `/synthesize` 接口未实际调用 TTS 合成的问题（之前只返回"请求已接收"）
+- 修复语气替换 bug：长匹配（`...`/`……`）优先于短匹配（`.`/`。`），避免替换冲突
+- 修复 `show_voices()` 显示旧版 3 音色而非完整 9 音色列表
+
+### 代码质量
+- 清理 9 个编译器警告（unused code/import/variable）
+- 修复 `write_log` 线程安全问题：使用 `Mutex` 保护 HTTP 线程与 async 线程的并发文件写入
+- 实现 0 警告 0 错误构建
+
+---
+
+## [0.3.0] - 2026-04-25
+
+### 新增
+- 实现守护进程（Daemon）模式，类似 Docker 架构
+  - TCP Socket 服务器（tokio::net::TcpListener），多客户端并发支持
+  - PID 文件管理（启动/停止/状态检测）
+  - 日志记录到 `~/.config/tts/ttsd.log`
+  - 复用现有 TTS API 调用和音频播放功能
+- 新增 `src/client.rs` TCP 客户端模块
+- 新增 `daemon start/stop/status/logs` 子命令
+- 新增 `send` 子命令（发送文本到守护进程进行 TTS 合成播放）
+- 新增 `ttsd` 内部子命令（由 `daemon start -d` 自动调用）
+- 新增 HTTP 接口（端口 = TCP 端口 + 1）：
+  - `POST /synthesize` 语音合成接口
+  - `GET /health` 健康检查
+- 新增日志级别（INFO/WARN/ERROR 自动检测）+ PID 信息
+- 新增 `--style` 参数支持宏观场景风格标签
+
+### 跨平台
+- 所有平台统一使用 `~/.config/tts/` 目录
+- TCP Socket 通用方案（Windows/Linux/macOS）
+- `nohup` 后台运行（Unix）/ `cmd /C start` 后台运行（Windows）
+
+### 协议设计
+- JSON over TCP，简洁易调试
+- 风格参数自动转换为 `<style>...</style>` 标签（符合官方文档）
+
+---
+
+## [0.2.0] - 2026-04-24
+
+### 新增
+- 实现 `--stream` 流式输出功能
+  - SSE（Server-Sent Events）处理流式响应
+  - 流式输出自动使用 pcm16 格式
+  - 支持流式输出到 stdout 或保存到文件
+  - `pcm16_to_wav()` 函数自动封装 WAV 头
+- 创建 `src/tone.rs` 自动语气转换模块
+  - `apply_tone()` 根据标点添加整体语气标签
+  - `insert_mid_tone()` 细粒度控制标签
+  - `analyze_tone()` 分析组合语气
+  - `has_tone_tag()` 检测已有标签避免重复
+- 实现分层配置设计：
+  - `project.config.toml` 项目默认配置
+  - `~/.config/tts/config.toml` 用户配置
+- 新增 `ratatui` + `crossterm` 依赖，创建 `src/ui.rs` 模块
+  - 美化所有 CLI 输出（彩色表格/标签）
+  - 交互式 onboard 表单（支持 API Key 隐藏输入）
+
+### 修改
+- 更新音色列表为 Mimo-TTS 完整 9 音色
+- 默认音色从 `default_zh` 改为 `mimo_default`
+- 添加音色验证，无效时回退默认
+
+### 修复
+- 默认音色未生效问题
+- 流式 SSE 解析编译错误
+- stdout 输出被 println 污染
+
+---
+
 ## [0.1.0] - 2026-04-24

 ### 新增
 - 初始化 Rust 项目结构（edition 2021）
- 配置 Cargo.toml 依赖（使用国内源，稀疏索引协议）
- 创建项目文档体系（taolun.md、changelog.md、agents.md）
- 实现配置管理模块 (config.rs) - Singleton 模式
-  - 统一配置文件路径为 `~/.config/tts/config.toml`（所有平台）
-  - 使用 home 库获取家目录
- 实现 API 调用模块 (api.rs) - Builder 模式
-  - TtsClient 结构体封装 API 调用
-  - 支持双 Header 认证（api-key + Authorization）
+- 实现 CLI 模块（cli.rs）- clap derive 模式
+  - `--text`/`--file` 文本输入
+  - `--voice`/`--format`/`--output`/`--play` 参数
+  - `Onboard`/`Voices`/`Config`/`ShowConfig` 子命令
+- 实现 API 调用模块（api.rs）- Builder 模式
+  - 双 Header 认证（api-key + Authorization: Bearer）
  - Base64 解码音频数据
- 实现 CLI 模块 (cli.rs) - clap derive 模式
-  - 添加 Onboard 子命令（引导式配置）
-  - 添加 Voices、Config、ShowConfig 子命令
- 实现主程序入口 (main.rs)
-  - 异步主函数（tokio）
-  - 错误处理和退出码规范（0-4）
-  - 支持从文本或文件输入
- 创建 `project.config.toml` 管理项目版本
- Release 版本构建成功（无警告）
- 语音合成功能测试成功
-
-### 技术栈
- Rust (edition 2021)
- clap 4.6 (CLI 参数解析)
- reqwest 0.12 (HTTP 客户端)
- tokio 1.52 (异步运行时)
- serde + serde_json (序列化)
- toml (配置文件)
- base64 0.22 (音频解码)
- home 0.5 (跨平台家目录获取)
- anyhow 1.0 (错误处理)
-
-### 功能列表
- ✅ 文本转语音（TTS）
- ✅ 支持多种音色（default_zh, default_en, mimo_default）
- ✅ 配置文件管理（~/.config/tts/config.toml）
- ✅ CLI 引导式配置（onboard 命令）
- ✅ 列出可用音色（voices 命令）
- ✅ 配置管理（config set/show 命令）
- ✅ WAV 音频输出
+- 实现配置管理模块（config.rs）- Singleton 模式
+  - 统一配置路径 `~/.config/tts/config.toml`
+- 实现主程序入口（main.rs）
+  - tokio 异步运行时
+  - 退出码规范（0=成功, 1=参数, 2=配置, 3=API, 4=文件）
+- 支持三种输出方式：播放 / 保存 / stdout 流式
+- 创建文档体系（taolun.md、changelog.md、agents.md）

 ---

@@ -51,300 +114,3 @@
 - 主版本号：不兼容的 API 修改
 - 次版本号：向下兼容的功能性新增
 - 修订号：向下兼容的问题修正
-
-### 修改（第三轮 - 流式输出）
- 修改 `synthesize()` 返回音频数据而非保存文件
- 支持输出到 stdout（二进制流）
- 保留 `--output` 参数用于保存到文件
- 输出到 stdout 时自动抑制提示信息
- 便于作为 claw skill 集成
-
-
-### 修改（第四轮 - 音频播放）
- 添加 rodio 0.19 依赖（音频播放库）
- 添加 --play 参数（直接播放音频）
- 修改 synthesize() 返回音频数据
- 新增 play_audio() 函数（使用 rodio 播放）
- 支持三种输出方式：播放/保存/流式输出
- --play 和 --output 互斥
-
-## [0.1.0] 最终状态
-
-### 新增功能（第四轮）
- 添加 rodio 0.19 音频播放库
- 新增 --play 参数：直接播放音频（单次播放，不循环）
- synthesize() 函数改为返回音频数据 Vec<u8>
- 新增 play_audio() 函数：使用 rodio 从内存播放 WAV
-
-### 修改（第四轮）
- 修改 Cargo.toml：添加 rodio 依赖
- 修改 cli.rs：添加 --play 参数（与 --output 互斥）
- 修改 main.rs：
-  - synthesize() 返回 Result<Vec<u8>>
-  - 添加 play_audio() 函数
-  - run() 支持三种输出方式
-
-### 修复（第四轮）
- 修复 synthesize() 重复代码问题
- 修复 stdout 输出被 println 污染的问题
- 移除未使用的导入警告
-
-### 功能列表（最终）
- ✅ 文本转语音（TTS）
- ✅ 支持多种音色（default_zh, default_en, mimo_default）
- ✅ 配置文件管理（~/.config/tts/config.toml）
- ✅ CLI 引导式配置（onboard 命令）
- ✅ 列出可用音色（voices 命令）
- ✅ 配置管理（config set/show 命令）
- ✅ 直接播放音频（--play 参数）
- ✅ 保存文件（--output 参数）
- ✅ 流式输出（stdout 二进制流）
- ✅ WAV 音频输出
-
-### 修改（第五轮 - 音色扩展）
- 更新音色列表为 Mimo-TTS 完整列表（8个音色）
- 默认音色从 default_zh 改为 mimo_default
- 添加音色验证（无效时使用 mimo_default）
- 更新 list_voices() 显示详细音色信息
- 废弃 default_zh 和 default_en
-
-### 修改（第六轮 - UI 主题化）
- 新增 ratatui 0.26 + crossterm 0.27 依赖
- 新建 src/ui.rs 模块（主题、组件）
- 美化所有 CLI 输出（voices、config、onboard 等）
- 重写 onboard() 为交互式表单页面
- 支持 API Key 隐藏输入（显示 *）
- 所有命令输出统一主题风格
- 使用 crossterm 实现彩色输出（未使用完整 ratatui Terminal）
-
-### 实施完成（第六轮）
-1. ✅ 创建 src/ui.rs 模块（使用 crossterm 美化输出）
-2. ✅ 修改 main.rs 引入 ui 模块
-3. ✅ 美化 list_voices() 输出（彩色表格）
-4. ✅ 美化 show_config() 输出（彩色标签）
-5. ✅ 重写 onboard() 为交互式表单（支持密码隐藏输入）
-6. ✅ 美化播放和保存完成消息
-7. ✅ Release 构建成功（仅有未使用代码警告）
-8. ✅ 功能测试通过（voices、show-config）
-
-## [0.3.0] - 2026-04-25
-
-### 新增（守护进程模式）
- ✅ 实现守护进程（Daemon）模式，类似 Docker 架构
- ✅ 创建 `src/daemon.rs` 模块（TCP Socket 服务器）
-  - 使用 `tokio::net::TcpListener` 监听 TCP 连接
-  - 处理客户端 JSON 请求（文本、音色、格式、风格）
-  - PID 文件管理（启动/停止/状态检测）
-  - 日志记录到 `~/.config/tts/ttsd.log`
-  - 复用现有 TTS API 调用和音频播放功能
- ✅ 创建 `src/client.rs` 模块（TCP 客户端）
-  - 连接到守护进程并发送 TTS 请求
-  - 支持 JSON over TCP 协议
-  - 接收并处理守护进程响应
- ✅ 新增 `daemon` 子命令：
-  - `daemon start [-d]` - 启动守护进程（支持 -d 后台运行）
-  - `daemon stop` - 停止守护进程（无需端口）
-  - `daemon status` - 查看守护进程状态（无需端口）
-  - `start` 支持 `--port` 参数（默认 9876）
- ✅ 新增 `send` 子命令：
-  - 发送文本到守护进程进行语音合成
-  - 支持 `--voice`、`--format`、`--style` 参数
-  - 支持 `--port` 参数（默认 9876）
- ✅ 新增 `ttsd` 内部子命令（守护进程模式）
-  - 由 `daemon start -d` 自动调用
-  - 使用 `nohup` 实现后台运行（Unix）
- ✅ 跨平台支持：
-  - 所有平台统一使用 `~/.config/tts/` 目录
-  - TCP Socket 通用方案
- ✅ 协议设计（JSON over TCP）
-
-### 测试通过（2026-04-25）
- ✅ `mimo-tt-s daemon start -d --port 9876` - 后台启动成功
- ✅ `mimo-tt-s send --port 9876 "消息"` - 发送成功，返回"播放完成"
- ✅ `mimo-tt-s daemon status` - 状态显示正确
- ✅ `mimo-tt-s daemon stop` - 停止成功
- ✅ 日志正常记录（`~/.config/tts/ttsd.log`）
-
-### 新增（第十二轮 - 日志格式升级）
- ✅ 添加日志级别（自动检测 INFO/WARN/ERROR）
- ✅ 添加 PID 信息
- ✅ 新格式：`[时间戳] [级别] [PID] 消息`
- ✅ 添加 `daemon logs` 子命令
-  - 支持 `--lines N` 参数
-  - 默认显示 20 行
-
-### 修改（第十二轮）
- 修改 daemon.rs：
-  - 添加 LogLevel 枚举
-  - 自动检测消息中的关键词判断级别
-  - 新格式：追加到旧日志后面（区分新旧日志）
- 修改 cli.rs：
-  - 添加 Logs 变体到 DaemonAction
-
-### 新日志格式
-```
-[2026-04-25 05:48:05] [INFO] [15278] 正在播放音频...
-[2026-04-25 05:48:10] [INFO] [15278] 响应: {"status":"ok","message":"播放完成"}
-```
-
-### 级别自动检测
- `INFO` - 默认（正常运行信息）
- `WARN` - 包含"警告"、"注意"
- `ERROR` - 包含"错误"、"失败"、"无法"
-
-### 新增（第十三轮 - HTTP 接口）
- ✅ 添加 HTTP 接口（端口 = TCP端口 + 1）
- ✅ tiny_http 依赖
- ✅ POST /synthesize 接口
- ✅ GET /health 健康检查
-
-### 修改（第十三轮）
- Cargo.toml: 添加 tiny_http
- daemon.rs: 添加 HTTP 服务器函数
- start_daemon: 自动启动 HTTP 服务器
-
-### HTTP 接口
-| 地址 | 方法 | 说明 |
-|------|------|------|
-| http://127.0.0.1:9877/synthesize | POST | 语音合成 |
-| http://127.0.0.1:9877/health | GET | 健康检查 |
-
-### 测试通过
- ✅ curl 测试 /synthesize
- ✅ curl 测试 /health
- ✅ mimo-tts send 命令
-
---
-
-## [0.1.0] - 2026-04-24
- ✅ 实现守护进程（Daemon）模式，类似 Docker 架构
- ✅ 创建 `src/daemon.rs` 模块（TCP Socket 服务器）
-  - 使用 `tokio::net::TcpListener` 监听 TCP 连接
-  - 处理客户端 JSON 请求（文本、音色、格式、风格）
-  - PID 文件管理（启动/停止/状态检测）
-  - 日志记录到 `~/.config/tts/ttsd.log`
-  - 复用现有 TTS API 调用和音频播放功能
- ✅ 创建 `src/client.rs` 模块（TCP 客户端）
-  - 连接到守护进程并发送 TTS 请求
-  - 支持 JSON over TCP 协议
-  - 接收并处理守护进程响应
- ✅ 新增 `daemon` 子命令：
-  - `daemon start` - 启动守护进程
-  - `daemon stop` - 停止守护进程
-  - `daemon status` - 查看守护进程状态
-  - 支持 `--port` 参数（默认 9876）
- ✅ 新增 `send` 子命令：
-  - 发送文本到守护进程进行语音合成
-  - 支持 `--voice`、`--format`、`--style` 参数
-  - 支持 `--port` 参数（默认 9876）
- ✅ 跨平台支持：
-  - 所有平台统一使用 `~/.config/tts/` 目录
-  - TCP Socket 通用方案（Windows/Linux/macOS 均支持）
- ✅ 协议设计（JSON over TCP）：
-  - 客户端请求：`{"text": "...", "voice": "...", "format": "...", "style": "..."}`
-  - 服务端响应：`{"status": "ok", "message": "..."}`
- ✅ `style` 参数作为宏观场景风格（与文本内 `[style]` 标签并存）
-  - 服务端自动转换为 `<style>...</style>` 标签（符合官方文档）
-  - 支持如"开心"、"东北话"、"唱歌"等风格描述
-
-### 修改（第十一轮）
- 修改 `Cargo.toml`：
-  - 添加 `dirs = "5.0"` 依赖（跨平台配置目录）
-  - 添加 `chrono = "0.4"` 依赖（日志时间戳）
- 修改 `src/cli.rs`：
-  - 添加 `DaemonCommand` 和 `DaemonAction` 枚举
-  - 添加 `Send` 子命令定义
- 修改 `src/main.rs`：
-  - 声明新模块 `daemon` 和 `client`
-  - 添加命令分发逻辑
-
-### 技术细节
- 使用 `tokio::spawn` 处理多个并发客户端连接
- 使用 `serde_json` 序列化/反序列化 JSON 协议
- 使用 `dirs::home_dir()` 获取家目录，拼接配置路径
- PID 文件用于检测守护进程是否运行（跨平台兼容）
- 日志同时输出到文件和控制台
- 播放功能复用现有的 `play_audio()` 函数
- 守护进程支持 Ctrl+C 优雅停止
-
---
-
-## [0.2.0] - 2026-04-24
-
-### 新增（第十轮 - 自动语气转换器）
- ✅ 创建 `src/tone.rs` 独立模块（高内聚低耦合）
- ✅ 实现 `apply_tone()` 函数（自动语气转换）
- ✅ 实现 `insert_mid_tone()` 函数（细粒度控制）
- ✅ 实现 `analyze_tone()` 函数（分析语气）
- ✅ 实现 `has_tone_tag()` 函数（检测已有标签）
- ✅ 默认启用，无需额外参数
- ✅ 支持整体风格标签 `[语气]`
- ✅ 支持细粒度控制标签 `（描述）`
-
-### 修改（第十轮）
- 修改 main.rs：引入 tone 模块
- 修改 main.rs：在 synthesize() 中调用语气转换
-
-### 语气映射规则
- `！` → [激动] + ！（激动）
- `？` → [疑惑] + ？（疑惑）
- `。` → [平静] + 。（停顿）
- `……` → ……（拖长音）
- 多种标点 → 组合标签如 [激动 疑惑]
-
-### 技术细节
- 使用 `[语气]` 格式添加整体风格
- 使用 `（描述）` 格式添加细粒度控制
- 符合 Mimo-TTS 音频标签控制规范
- 检测已有标签，避免重复添加
- 4 个单元测试全部通过
-
-## [0.2.0] - 开发中
-
-### 新增（第九轮 - 流式输出完成）
- ✅ 实现 `--stream` 参数功能（流式 API 调用）
- ✅ 使用 SSE（Server-Sent Events）处理流式响应
- ✅ 流式输出时自动使用 pcm16 格式
- ✅ 支持流式输出到 stdout 或保存到文件
- ✅ 修改 api.rs 添加流式请求方法
- ✅ 使用 futures::StreamExt 处理字节流
- ✅ 流式 API 返回原始 PCM16 数据（无 WAV 头）
- ✅ 支持 `--stream` 和 `--play` 同时使用
- ✅ 新增 pcm16_to_wav() 函数（自动封装 WAV 头）
-
-### 修改（第九轮）
- 修改 Cargo.toml：添加 futures、tokio-util 依赖
- 为 reqwest 添加 stream feature
- 修改 main.rs：synthesize() 支持 stream 参数
- 修改 main.rs：支持流式数据播放（PCM16 → WAV）
- 修改 api.rs：修复 read_stream_response 实现
-
-### 修复（第九轮）
- 修复 StreamReader 编译错误（改用 futures::StreamExt）
- 修复 reqwest stream feature 缺失问题
- 修复播放时未识别 PCM16 格式问题
-
-### 技术细节
- PCM16 转 WAV：24000Hz, 16bit, 单声道
- WAV 头 44 字节，包含必要的格式信息
- 流式播放时自动添加 WAV 头再播放
-
-### 新增（第七轮 - 配置分层设计）
- 实现分层配置设计：
-  - `project.config.toml` - 项目默认配置（base_url、default_format）
-  - `~/.config/tts/config.toml` - 用户配置（api_key、default_voice）
- 用户配置覆盖项目默认配置中的对应项
- 临时文件生成在当前目录（不允许离开当前目录）
-
-### 修改（第七轮）
- 重写 `config.rs` 实现分层配置加载
- 修改 `cli.rs` 移除 base_url 参数
- 修改 `ui.rs` 简化显示和表单（只处理 api_key 和 default_voice）
- 修改 `main.rs` 使用新的配置结构
- 更新 `project.config.toml` 添加 base_url 和 default_format
-
-### 修复（第七轮）
- 修复默认音色未生效问题（config.rs 默认值改为 mimo_default）
- 修复配置文件只保存用户配置项
-
-## [0.1.0] - 2026-04-24