TTS 接口契约与适配边界

状态：Phase 0 审计基线，已补充旧 TTS 工程只读核查事实审计日期：2026-09-08
重要说明：本文件将“已核实事实”和“目标契约”分开。已授权只读检查外部工程 E:\RD\Kaotings\kts_site\KT26-0903_Big-TTS，未复制或修改该工程。

1. 现有接口事实

项目	结论	证据/处理
上游地址	代码默认：`http://43.248.188.28:44480`，路径 `/v1/audio/speech`	`ReadMe.md` 和 `server.js` 初始 SQLite 配置；不是实际运行地址证明
协议和方法	`POST`，OpenAI 兼容 JSON 请求	旧工程 `/api/tts` 使用 `fetch`
鉴权	配置有 API Key 时发送 `Authorization: Bearer <key>`；默认 Key 为空	Key 只存旧工程服务端 SQLite，配置接口返回掩码
输入文本字段	`input`	旧工程将业务文本映射为 `input`
音色 ID/语言	`voice`；默认 `default`，逗号分隔配置；无真实语言清单	旧工程 `tts_config` 和前端 `/api/config`
参数范围	旧客户端代码支持 `response_format`: `wav`/`mp3`、`speed`: `0.5` 至 `2.0`；文本 `1` 至 `5000` 字符	旧工程 `server.js` 校验；真实上游目前只实测 WAV、speed=1
模型	默认 `qwen3-tts`，可由旧工程管理员配置	`ReadMe.md`、`tts_config`
同步/异步	同步	单次 `fetch` 等待完整响应，无 task ID
结果格式	音频字节流；WAV `audio/wav`，MP3 `audio/mpeg`	旧工程返回完整 `arrayBuffer`
错误语义	输入错误 `400`；未登录 `401`；上游非 2xx/超时统一 `502`	旧工程业务层映射
超时和大小限制	上游超时 `120000ms`；请求体最多 `1 MiB`；文本最多 `5000` 字符；未见上游响应大小限制	`body()` 与 `AbortSignal.timeout(120000)`
幂等支持	未实现	无幂等键、provider task ID 或重复请求去重

代码契约已核实；首次无鉴权请求返回 401 Unauthorized，配置服务端凭据后最小文本请求已返回 200 audio/wav。当前测试服务器没有 TTS 上游监听端口，业务 API 通过固定环境地址访问外部上游。

1.1 V1 已验证最小能力

provider_voice_id=default。
同步 POST 生成。
response_format=wav。
speed=1。
最小中文文本成功返回音频；业务任务、私有保存、历史、回放、下载和额度消费已走通一次。

以下能力仍不能写成已通过：MP3、非 1.0 语速、其他音色/语言、provider task ID、异步查询、取消、上游幂等和安全重试。

旧工程自身的业务接口为：登录后 GET /api/config 获取模型/音色元数据，POST /api/tts 同步返回音频，GET /api/history 返回当前用户最多 100 条历史；管理员配置接口为 /api/admin/config。Phase 3 只复用上游边界，不复制旧工程用户体系或整套工程。

www_site 不复用旧工程的网页端管理员配置接口。上游主机、API Key、超时和相关秘密只由服务端环境配置注入；网站用户和管理员均不能通过网页修改上游连接配置。

2. 业务层目标契约

以下是依据 V1_PLAN.md 第 9、10 章拟定的业务层边界。它是 Phase 2/3 的实现输入，不是上游协议。

2.1 公开业务 API

方法与路径	用途	认证
`GET /api/v1/tts/voices`	返回当前可用音色及安全参数元数据	可公开，实际策略待定
`POST /api/v1/tts/tasks`	创建 TTS 任务，返回 `202` 和 `task_id`	登录、限流、额度和并发校验
`GET /api/v1/tts/tasks`	当前用户分页历史	当前用户
`GET /api/v1/tts/tasks/{id}`	查询状态和结果元数据	所有者或管理员
`GET /api/v1/tts/tasks/{id}/audio`	受控播放	所有者或管理员
`GET /api/v1/tts/tasks/{id}/download`	受控下载	所有者或管理员

认证、账户和管理接口以 V1_PLAN.md 第 9 章为准。业务层统一使用同源 /api/v1，浏览器不直接访问上游 TTS 地址。

2.2 创建任务请求

下面是当前业务层请求样例；V1 最小实现只允许 default、WAV 和 speed=1。字段名和服务端规则已经固定，上游高级参数不在本版默认开放。

{
  "text": "待转换文本",
  "voice_id": "configured-voice-id",
  "parameters": {
    "format": "mp3"
  },
  "idempotency_key": "client-generated-opaque-key"
}

服务端必须重新计算 Unicode 码点计量、校验文本长度/音色/参数/权益/并发和频率，不能信任客户端计数或隐藏字段。旧工程会把完整原始文本写入 SQLite 历史，Phase 3 不直接复制该隐私行为。

2.3 创建成功响应

{
  "task_id": "uuid",
  "status": "queued",
  "text_length": 123,
  "reserved_amount": 123,
  "request_id": "request-id"
}

返回 202 Accepted 表示任务已持久化并冻结额度，不表示上游已成功生成音频。额度冻结和任务创建必须在同一数据库事务中完成。

2.4 状态响应

{
  "task_id": "uuid",
  "status": "queued|running|succeeded|failed",
  "text_length": 123,
  "voice_id": "configured-voice-id",
  "audio": {
    "available": false,
    "duration_ms": null,
    "expires_at": null
  },
  "error": null,
  "request_id": "request-id"
}

成功时 audio 只返回受控业务地址或短期授权结果，不返回存储桶内部路径。管理员默认不展开完整输入文本。

3. 适配器目标边界

services/worker 通过配置固定的上游主机和端点调用适配器；用户输入不能成为 URL、Host、路径或凭据。适配器负责：

将业务层标准请求映射为真实上游请求，并从真实响应提取 provider task ID、音频数据/地址和计量信息。
对上游鉴权、连接超时、读取超时、响应大小、MIME 和音频可解析性做服务端校验。
将真实上游错误映射到内部错误码，不向浏览器泄露内部地址、密钥、模型路径或堆栈。
在上游语义明确时实现有限重试；超时且结果不明时先保留 running 并按 provider task ID 核对，禁止盲目重复生成。
将音频写入私有对象存储后，才允许任务转为 succeeded 并把冻结额度转为消费。

适配器不负责用户授权、额度决策、跨用户资源判断或 CMS 权限；这些由 API/业务服务负责。

4. 失败语义基线

以下是业务层目标分类，不是对未核实上游返回码的断言：

内部错误码	HTTP 建议	处理
`AUTH_REQUIRED`	401	不创建任务，不冻结额度
`FORBIDDEN`	403	不泄露资源存在性
`INVALID_INPUT`	422	文本、音色或参数不合法
`QUOTA_EXCEEDED`	409	不创建任务，不产生负余额
`RATE_LIMITED`	429	返回安全的重试提示
`UPSTREAM_UNAVAILABLE`	503	按任务状态处理，不盲目重试不确定请求
`UPSTREAM_REJECTED`	502	记录脱敏上游分类，失败时释放冻结
`AUDIO_PERSIST_FAILED`	500/503	不标记成功，执行对账/释放策略
`TASK_FAILED`	500	任务失败，保留可追踪错误码
`AUDIO_EXPIRED`	410	保留历史元信息，不返回内部路径

错误响应统一使用：

{
  "error": {
    "code": "INVALID_INPUT",
    "message": "请求参数不可用",
    "request_id": "request-id"
  }
}

不记录密码、会话令牌、验证码、上游密钥或完整原始文本。

5. 待确认清单和验证顺序

确认 43.248.188.28:44480 是否仍是获授权的测试上游；代码默认值不作为部署事实。
提供该上游测试环境的 API Key 或其他鉴权凭据注入方式；本次无鉴权最小请求返回 401，未保存或输出响应内容。
获取当前音色 ID、语言、参数和计量补充资料；旧工程只有 default 示例，没有真实清单。
确认上游是否支持幂等、取消、重试和 provider task ID 查询；当前旧工程不提供这些能力。
在测试环境执行最小成功、参数拒绝、超时、上游失败、重复请求和响应不明测试；不得用 Mock 结果替代。
依据真实结果固定 TTSVoice、TTSTask、错误映射、超时、重试、音频校验和额度计量配置。

在上述步骤完成前，Phase 3 不得宣称“真实 TTS 已接入”。

8.3 KiB Raw Permalink Blame History Unescape Escape