1

README.md

@@ -68,7 +68,7 @@
 | 积分 | 闯关得分、每日签到，积分流水明细 |
 | 徽章 | 成就徽章（集卡、连续学习、通关数、复习、探索等），自动解锁 |
 | 奖品 | 积分兑换虚拟/实物奖品，兑换记录与状态 |
-| 朗读拼音 | 拼音随内容一次性标注入库（逐字对齐 JSON，`common/pinyin.go` + 多音字词表），朗读音频优先播文件、无文件时浏览器语音降级朗读（H5），低龄档（4-6）全量开启；TTS 文件生成留后续接入 |
+| 朗读拼音 | 拼音随内容一次性标注入库（逐字对齐 JSON，`common/pinyin.go` + 多音字词表），朗读音频优先播文件、无文件时浏览器语音降级朗读（H5），低龄档（4-6）全量开启；TTS 音频文件由 `cmd/gentss/` 离线管线生成（Edge TTS 神经网络语音，逐句 mp3 回填 audio 字段，五端通用） |
 | 视觉素材生成 | 场景插画/角色立绘/道具图标/计策卡图标由 `cmd/genasset/` 离线生成管线调用本机 oMLX（Qwen3.5-9B）生成 SVG 并转 PNG，打包入客户端随五端发布；未生成素材按 emoji 映射兜底。剧本台词流同管线生成：`go run ./cmd/genasset --only=scripts` 生成草稿（workspace/scripts/）→ 人工精修 → `--import-scripts` 校验 + 注音 + 回填 scene_node.script（幂等） |
 
 ### 后台（Web）
@@ -183,6 +183,17 @@ cd admin-src && npm install && npm run dev    # vite 代理到后端
 
 后端启动时自动初始化数据库与种子数据（36 计内容、题目、奖品、徽章）。
 
+### TTS 音频生成
+
+```bash
+# Edge TTS 神经网络语音（晓晓）逐句合成 mp3，回填台词/内容/场景/选项/学堂各 audio 字段（幂等）
+go run ./cmd/gentss --strategy=1   # 按计策分批生成，防全量耗时
+go run ./cmd/gentss --list         # 查看待生成任务
+go run ./cmd/gentss                # 全量（未生成部分）
+```
+
+生成前朗读走浏览器语音降级（H5）；生成后五端优先播放 mp3 文件。协议与路径规则见技术设计.md 4.16。
+
 ### Docker 部署
 
 ```bash

config.yml

@@ -23,3 +23,11 @@ genasset:
   timeout: 600            # 本地 ~5 tok/s，单张 SVG 1-3 分钟
   max_tokens: 24576
   retries: 3
+# 离线 TTS 音频生成（cmd/gentss，仅开发机运行；Edge 朗读 WebSocket）
+tts:
+  voice: zh-CN-XiaoxiaoNeural   # 中文女声；可换 zh-CN-YunxiNeural / zh-CN-XiaoyiNeural 等
+  rate: "+0%"                   # 语速，如 "+10%"
+  version: "1-143.0.3650.75"    # Sec-MS-GEC-Version（Chromium 版本号，协议漂移时调）
+  concurrency: 2                # 并行合成连接数
+  timeout: 60                   # 单句连接/接收超时（秒）
+  retries: 3                    # 网络失败/403 时钟偏差重试次数

go.mod

@@ -6,6 +6,8 @@ require (
 	github.com/gogf/gf/contrib/drivers/sqlite/v2 v2.10.2
 	github.com/gogf/gf/v2 v2.10.2
 	github.com/golang-jwt/jwt/v5 v5.3.1
+	github.com/google/uuid v1.6.0
+	github.com/gorilla/websocket v1.5.3
 	github.com/mozillazg/go-pinyin v0.21.0
 	golang.org/x/crypto v0.55.0
 )
@@ -20,8 +22,6 @@ require (
 	github.com/glebarez/go-sqlite v1.21.2 // indirect
 	github.com/go-logr/logr v1.4.3 // indirect
 	github.com/go-logr/stdr v1.2.2 // indirect
-	github.com/google/uuid v1.6.0 // indirect
-	github.com/gorilla/websocket v1.5.3 // indirect
 	github.com/grokify/html-strip-tags-go v0.1.0 // indirect
 	github.com/magiconair/properties v1.8.10 // indirect
 	github.com/mattn/go-colorable v0.1.13 // indirect

ui-src/src/components/StoryPlayer.vue

@@ -74,7 +74,7 @@ export default {
       })
       this.after(MAX_LINE_MS, () => this.forceNext(i))
       try {
-        speak(line.text, '', () => {
+        speak(line.text, line.audio, () => {
           // 行号守卫：迟到的第 i 句 onEnd 不得提前放行当前句
           if (this.lineIndex === i && !this.ended) {
             this.lineDone.sp = true

技术设计.md

@@ -406,7 +406,7 @@ CREATE TABLE admin_user (
 - **标注算法**：按**多音字词表最长匹配**切分原文——命中词表（成语整体、专名）的片段整体转拼音，未命中片段逐字转（`github.com/mozillazg/go-pinyin`，StyleTone 带声调符号）；词表在 `biz/consts` 集中维护（36 计成语整体拼音 + 教育专名 override），保证准确性
 - **标注幂等**：文本未变不重标（标注函数纯函数、无副作用）；已存在库的旧数据在启动时补标一次（扫描 `*_pinyin` 为空的记录）
 - **朗读音频（M1.5 降级方案）**：audio 字段全空且无 TTS 账号时——**前端降级朗读**：H5 端优先播文件（`uni.createInnerAudioContext`，有 `*_audio` 字段就播），无文件则用浏览器原生 `SpeechSynthesis`（zh-CN）朗读该文本，零成本立刻可听；朗读按钮统一封装 `ui-src/src/utils/speech.js`
-- **TTS 流水线（后续里程碑）**：与拼音同一"写时生成"流水线——TTS（如火山/微软）在初始化与后台保存时异步生成音频落 `workspace/uploads/audio/`，表存相对路径；文件名 `{表}_{内容id}_{文本hash}.mp3` 保证**幂等**（文本未变重复保存不重生成）；生成失败不阻塞内容落库，音频缺失时前端自动降级为浏览器朗读（前端零改动）
+- **TTS 音频文件管线**：与拼音同一"写时生成"原则，但走离线管线 `cmd/gentss/`（Edge TTS 神经网络语音，见 4.16），一次性生成 mp3 回填各 `*_audio` 字段；生成失败不阻塞内容落库，音频缺失时前端自动降级为浏览器朗读（前端零改动）
 - **静态资源**：Go 静态路由托管 `workspace/uploads/`，URL 直接进前端；元素素材（场景/人物/道具图片与名称音频）同样按"写时一次性"生成与上传，随内容接口返回
 
 ### 4.7 触控互动组件（M1.5：互动形态 2/3/5/7/8）
@@ -545,6 +545,32 @@ config JSON 结构（`scene_node.config`，前端解析渲染）：`{"kind":"pro
 - **13 张表补全**：M1 时仅 5 个模块（parent/child/strategy/level/level_play）有完整分层，其余 15 张只有 entity/dao；一次补齐为每表一组文件，6 张在用表的跨表 DAO 直调收拢到各自 service；补齐的表先只建门面结构，不挂 g.Meta 不注册路由（路由静态，按需暴露）
 - **收口（2026-08-14）**：level_play（闯关流程）并入 level 表文件、表初始化列表并入 main.go、service/auth.go 并入 common/auth——各层严格 = 17 表文件（18 表 − point_log 豁免）
 
+### 4.16 音频生成管线（Edge TTS 神经网络语音）
+
+朗读音频由离线管线 `cmd/gentss/` 一次性生成（独立 Go 程序，仅开发机运行），逐句合成 mp3 落静态目录并回填各 `*_audio` 字段——运行时零生成依赖，五端通用（小程序/App 不支持 `speechSynthesis`，文件是唯一朗读通道）。
+
+**协议要点**（实现对照 edge-tts 7.2.8 源码，本机已验证）：
+- 端点为微软 Edge 朗读私有 WebSocket：`wss://speech.platform.bing.com/consumer/speech/synthesize/readaloud/edge/v1?TrustedClientToken=6A5AA1D4EAFF4E9FB37E23D68491D6F4&ConnectionId=<uuid去横线>&Sec-MS-GEC=<token>&Sec-MS-GEC-Version=<version>`
+- **Sec-MS-GEC 纯算法生成**（无 HTTP 预请求）：`ticks = UTC秒 + 11644473600 → ticks -= ticks % 300（5 分钟窗）→ ticks ×= 1e9/100（Windows 100ns 刻度）→ SHA256(取整字符串 + TrustedClientToken).hex().upper()`；403 时读响应 `Date` 头算时钟偏移累加后重试
+- 握手头：`Origin: chrome-extension://jdiccldimpdaibmpdkjnbmckianbfold` + `Cookie: muid=<32位大写hex>` + Edge UA + permessage-deflate
+- 连接后发两帧文本：`Path:speech.config`（输出格式 `audio-24khz-48kbitrate-mono-mp3`）→ `Path:ssml`（`<speak version='1.0' xmlns='http://www.w3.org/2001/10/synthesis' xml:lang='en-US'><voice name='{voice}'><prosody rate='{rate}'>{文本}</prosody></voice></speak>`，文本先剔除控制字符再转义 `& < >`）
+- 收帧：二进制帧前 2 字节大端 header 长度，`Path:audio` 载荷拼接为 mp3；文本帧 `Path:turn.end` 结束（`turn.start`/`response`/`audio.metadata` 忽略）；每句一个连接串行最稳，超长文本按 4096 字节分块多轮连接后拼接
+- `tts:` 配置段：voice（默认 zh-CN-XiaoxiaoNeural）/ rate / version（Chromium 版本号，协议漂移时调）/ concurrency / timeout / retries
+
+**生成范围与路径规则**（URL 前缀 `/static/generated/audio/`，与 PNG 素材同挂载）：
+
+| 内容源 | 文件路径 | 回填字段 |
+|---|---|---|
+| script 台词行（每行） | `audio/{level}/{node}/{line_idx}.mp3` | script JSON 行内 `audio`（整列 Update） |
+| 节点内容 scene_node.content | `audio/{level}/{node}/content.mp3` | scene_node.audio |
+| 开场 level.scene_content | `audio/{level}/scene.mp3` | level.scene_audio |
+| 选项文本 node_option.text | `audio/{level}/{node}/opt_{option_id}.mp3` | node_option.audio |
+| 学堂 strategy.teach_content | `audio/teach/{strategy_id}.mp3` | strategy.teach_audio |
+
+**幂等**：mp3 文件已存在且对应字段非空 → 跳过；`--force` 重生成覆盖；回填单条 Update 无事务（沿用 genasset 先例）。**脚本行音频回填**：整列读 script JSON（行内无 `audio` 的行逐个合成），合成成功后整列重写 JSON 落库，避免逐行 Update。
+
+**降级链**：文件缺失 → H5 浏览器 `speechSynthesis` 兜底（speech.js 既有逻辑）；文件存在 → 五端一律播 mp3。
+
 ## 5. 开发计划
 
 | 里程碑 | 内容 | 验收标准 |