代码优化

2026-02-01 17:56:10 +08:00
parent 1d4c4465ac
commit 75bc7f2e47
16 changed files with 513 additions and 686 deletions
--- a/openspec/changes/add-siliconflow-voice-provider/design.md
+++ b/openspec/changes/add-siliconflow-voice-provider/design.md
@@ -0,0 +1,179 @@
+# Technical Design: SiliconFlow Voice Provider
+
+## Context
+
+硅基流动（SiliconFlow）是一个提供多种 AI 服务的平台，包括语音合成、语音克隆等功能。本次设计将其作为新的语音供应商集成到现有的多供应商架构中。
+
+**约束条件**:
+- 必须兼容现有的 `VoiceCloneProvider` 接口
+- 不能影响现有的 CosyVoice 供应商功能
+- 需要适配硅基流动的 API 差异
+
+**关键 API 差异**:
+1. **语音克隆**: 硅基流动需要先上传参考音频，返回 `uri` 作为音色 ID
+2. **TTS 合成**: 使用 `/v1/audio/speech` 端点，返回二进制音频数据
+3. **认证**: 使用 Bearer Token 格式的 API Key
+4. **模型**: 使用 `IndexTeam/IndexTTS-2` 模型
+
+## Goals / Non-Goals
+
+### Goals
+- 实现 `SiliconFlowProvider` 完整支持语音克隆和 TTS
+- 支持硅基流动 `IndexTeam/IndexTTS-2` 模型
+- 提供完整的配置支持，可独立开关
+- 处理 API 差异，提供统一的服务接口
+
+### Non-Goals
+- 不实现语音转文字（STT）功能（已有其他服务）
+- 不修改现有的 `VoiceCloneProvider` 接口定义
+- 不改变前端 API 契约
+
+## Decisions
+
+### 1. 实现类结构
+
+**架构**:
+```
+SiliconFlowProvider (implements VoiceCloneProvider)
+├── SiliconFlowApi (HTTP 客户端)
+├── SiliconFlowProviderConfig (配置类)
+└── DTO 类 (请求/响应适配)
+```
+
+**Why**:
+- 遵循现有的 `CosyVoiceProvider` 模式
+- 分离 API 调用逻辑，便于测试和维护
+- 专用 DTO 处理硅基流动 API 差异
+
+### 2. 语音克隆流程适配
+
+**硅基流动语音克隆 API**:
+- 端点: `POST /v1/uploads/audio/voice`
+- 请求参数: `model`, `customName`, `text`, `audio` (base64)
+- 响应: `{"uri": "speech:customName:xxx:xxx"}`
+
+**适配策略**:
+1. 将统一请求的 `audioUrl` 下载并转换为 base64
+2. 使用 `prefix` 作为 `customName`
+3. 使用 `audioUrl` 对应的转录文本作为 `text` 参数
+4. 返回的 `uri` 存储为 `voiceId`
+
+**代码示例**:
+```java
+@Override
+public VoiceCloneResult cloneVoice(VoiceCloneRequest request) {
+    // 1. 下载音频文件
+    byte[] audioData = downloadAudio(request.getAudioUrl());
+    String base64Audio = Base64.getEncoder().encodeToString(audioData);
+
+    // 2. 构建硅基流动请求
+    SiliconFlowVoiceUploadRequest sfRequest = new SiliconFlowVoiceUploadRequest();
+    sfRequest.setModel("IndexTeam/IndexTTS-2");
+    sfRequest.setCustomName(request.getPrefix());
+    sfRequest.setText(getTranscriptionText(request.getAudioUrl()));
+    sfRequest.setAudio("data:audio/mpeg;base64," + base64Audio);
+
+    // 3. 调用 API
+    SiliconFlowVoiceUploadResponse sfResponse = siliconFlowApi.uploadVoice(sfRequest);
+
+    // 4. 适配返回结果
+    VoiceCloneResult result = new VoiceCloneResult();
+    result.setVoiceId(sfResponse.getUri());
+    return result;
+}
+```
+
+### 3. TTS 合成流程适配
+
+**硅基流动 TTS API**:
+- 端点: `POST /v1/audio/speech`
+- 请求参数: `model`, `input`, `voice`, `speed`, `sample_rate`, `response_format`
+- 响应: 二进制音频数据
+
+**适配策略**:
+1. 使用 `voiceId` (uri 格式) 作为 `voice` 参数
+2. 支持语速调节 (`speed`)
+3. 将二进制响应转换为 Base64 返回
+
+### 4. 配置设计
+
+**配置结构**:
+```yaml
+yudao:
+  voice:
+    providers:
+      siliconflow:
+        enabled: false
+        api-key: ${SILICONFLOW_API_KEY}
+        base-url: https://api.siliconflow.cn
+        default-model: IndexTeam/IndexTTS-2
+        audio-format: mp3
+        sample-rate: 24000
+        connect-timeout: 10s
+        read-timeout: 180s
+```
+
+**配置类设计**:
+```java
+@Data
+@EqualsAndHashCode(callSuper = true)
+public class SiliconFlowProviderConfig extends VoiceProviderProperties.ProviderConfig {
+    private String baseUrl = "https://api.siliconflow.cn";
+    private String defaultModel = "IndexTeam/IndexTTS-2";
+    private String audioFormat = "mp3";
+    private Integer sampleRate = 24000;
+    private Duration connectTimeout = Duration.ofSeconds(10);
+    private Duration readTimeout = Duration.ofSeconds(180);
+}
+```
+
+### 5. 错误处理策略
+
+- API 调用失败时记录详细日志
+- 统一转换为 `VOICE_TTS_FAILED` 业务异常
+- 不暴露硅基流动技术细节给上层
+- 支持重试机制（网络错误）
+
+## Risks / Trade-offs
+
+| Risk | Mitigation |
+|------|------------|
+| 硅基流动 API 变更 | 封装在独立的 API 客户端中，便于更新 |
+| 语音克隆需要转录文本 | 在创建配音时已有转录流程，复用该文本 |
+| 音频下载增加延迟 | 可考虑配置是否需要下载，或使用异步处理 |
+| Base64 编码增加内存占用 | 限制音频文件大小（已有 50MB 限制） |
+
+## Migration Plan
+
+### 阶段一：后端实现
+1. 创建 `SiliconFlowApi` HTTP 客户端
+2. 创建 `SiliconFlowProviderConfig` 配置类
+3. 创建硅基流动专用 DTO 类
+4. 实现 `SiliconFlowProvider`
+5. 更新 `application.yaml` 配置
+
+### 阶段二：测试验证
+1. 单元测试：`SiliconFlowApi` 调用
+2. 单元测试：`SiliconFlowProvider` 适配逻辑
+3. 集成测试：语音克隆完整流程
+4. 集成测试：TTS 合成完整流程
+
+### 阶段三：前端支持（已有基础）
+1. 验证 `voiceConfig.js` 已支持 `siliconflow` 类型
+2. 验证 API 请求已支持 `providerType` 参数
+
+### 回滚方案
+- 通过配置 `enabled: false` 禁用硅基流动
+- 删除 `SiliconFlowProvider` 相关代码
+- 恢复 `application.yaml` 配置
+
+## Open Questions
+
+1. **Q**: 语音克隆时是否必须提供转录文本？
+   **A**: 硅基流动 API 需要 `text` 参数，使用配音创建时的转录文本
+
+2. **Q**: 是否需要支持硅基流动的其他模型？
+   **A**: 本次仅支持 `IndexTeam/IndexTTS-2`，后续可扩展
+
+3. **Q**: 音频下载失败如何处理？
+   **A**: 抛出业务异常，提示用户检查音频 URL
--- a/openspec/changes/add-siliconflow-voice-provider/proposal.md
+++ b/openspec/changes/add-siliconflow-voice-provider/proposal.md
@@ -0,0 +1,36 @@
+# Change: Add SiliconFlow Voice Provider
+
+## Why
+
+当前语音克隆功能已完成策略模式重构，支持多供应商架构。CosyVoice 供应商已实现并投入使用。为提供更多选择和降低对单一供应商的依赖，需要添加硅基流动（SiliconFlow）作为新的语音供应商，支持 IndexTeam/IndexTTS-2 模型的语音克隆和 TTS 合成。
+
+## What Changes
+
+- **ADDED** 新增 `SiliconFlowProvider` 实现类，实现 `VoiceCloneProvider` 接口
+- **ADDED** 新增 `SiliconFlowProviderConfig` 配置类
+- **ADDED** 新增 `SiliconFlowApi` API 客户端类
+- **ADDED** 新增硅基流动专用 DTO 类
+- **MODIFIED** 更新 `VoiceProviderProperties` 支持硅基流动配置
+- **MODIFIED** 更新 `application.yaml` 添加硅基流动配置项
+
+## Impact
+
+- **Affected specs**:
+  - `voice-clone` - 扩展支持新的语音供应商
+- **Affected code**:
+  - 新增 `yudao-module-tik/.../voice/client/SiliconFlowProvider.java`
+  - 新增 `yudao-module-tik/.../voice/client/SiliconFlowApi.java`
+  - 新增 `yudao-module-tik/.../voice/config/SiliconFlowProviderConfig.java`
+  - 新增 `yudao-module-tik/.../voice/client/dto/SiliconFlow*.java` (DTO 类)
+  - 更新 `yudao-server/src/main/resources/application.yaml`
+
+## Dependencies
+
+- 依赖已完成的多供应商架构重构（`VoiceCloneProvider` 接口和工厂模式）
+- 硅基流动 API Key 需要在配置中提供
+
+## Migration
+
+- 无需数据迁移，新功能为纯新增
+- 现有 CosyVoice 供应商功能不受影响
+- 硅基流动默认禁用，需通过配置启用
--- a/openspec/changes/add-siliconflow-voice-provider/specs/voice-clone/spec.md
+++ b/openspec/changes/add-siliconflow-voice-provider/specs/voice-clone/spec.md
@@ -0,0 +1,117 @@
+## ADDED Requirements
+
+### Requirement: SiliconFlow 语音克隆支持
+
+系统 MUST 支持使用硅基流动（SiliconFlow）作为语音克隆供应商，允许用户上传参考音频并生成可复用的音色 ID。
+
+#### Scenario: 成功使用硅基流动克隆音色
+
+- **GIVEN** 用户已上传参考音频文件并获得文件 URL
+- **AND** 参考音频已成功转录为文本
+- **AND** 硅基流动供应商已启用并配置有效的 API Key
+- **WHEN** 用户通过 API 发起语音克隆请求，指定 `providerType` 为 `siliconflow`
+- **THEN** 系统应当下载参考音频文件并转换为 base64 格式
+- **AND** 调用硅基流动 `/v1/uploads/audio/voice` API，使用 `IndexTeam/IndexTTS-2` 模型
+- **AND** 将返回的 `uri`（格式如 `speech:customName:xxx:xxx`）存储为 `voiceId`
+- **AND** 返回克隆成功的响应，包含生成的 `voiceId`
+
+#### Scenario: 硅基流动 API 调用失败
+
+- **GIVEN** 硅基流动供应商已启用
+- **WHEN** 调用硅基流动 API 时发生网络错误或认证失败
+- **THEN** 系统应当记录详细的错误日志
+- **AND** 返回统一错误码 `VOICE_TTS_FAILED`，不暴露底层技术细节
+
+#### Scenario: 硅基流动供应商未配置
+
+- **GIVEN** 硅基流动供应商未启用或 API Key 未配置
+- **WHEN** 用户尝试使用硅基流动进行语音克隆
+- **THEN** 系统应当返回友好的错误提示，要求管理员先配置硅基流动
+
+---
+
+### Requirement: SiliconFlow 文本转语音支持
+
+系统 MUST 支持使用硅基流动进行文本转语音合成，允许用户使用已克隆的音色 ID 或系统默认音色合成语音。
+
+#### Scenario: 使用克隆音色合成语音
+
+- **GIVEN** 用户已通过硅基流动成功克隆音色，获得 `voiceId`
+- **AND** 硅基流动供应商已启用
+- **WHEN** 用户发起 TTS 请求，指定 `providerType` 为 `siliconflow` 和有效的 `voiceId`
+- **THEN** 系统应当调用硅基流动 `/v1/audio/speech` API
+- **AND** 使用 `IndexTeam/IndexTTS-2` 模型和指定的 `voiceId`
+- **AND** 将返回的音频二进制数据转换为 base64 格式
+- **AND** 返回包含音频数据、格式和采样率的响应
+
+#### Scenario: 使用默认音色合成语音
+
+- **GIVEN** 硅基流动供应商已启用
+- **AND** 用户未指定 `voiceId`
+- **WHEN** 用户发起 TTS 请求，指定 `providerType` 为 `siliconflow`
+- **THEN** 系统应当使用硅基流动提供的默认音色进行合成
+- **AND** 返回合成结果
+
+#### Scenario: TTS 合成参数支持
+
+- **GIVEN** 硅基流动供应商已启用
+- **WHEN** 用户发起 TTS 请求，包含可选参数（语速、采样率、音频格式）
+- **THEN** 系统应当将这些参数适配为硅基流动 API 格式
+- **AND** 支持的参数包括：`speed`（0.25-4.0）、`sample_rate`、`response_format`（mp3/wav/pcm）
+
+---
+
+### Requirement: 供应商动态切换
+
+系统 SHALL 支持在请求时动态指定语音供应商，无需重启服务。
+
+#### Scenario: 通过 providerType 切换供应商
+
+- **GIVEN** 系统已配置 CosyVoice 和 SiliconFlow 两个供应商
+- **AND** 默认供应商为 `cosyvoice`
+- **WHEN** 用户在 API 请求中指定 `providerType` 为 `siliconflow`
+- **THEN** 系统应当使用 `SiliconFlowProvider` 处理请求
+- **AND** 不影响其他使用默认供应商的请求
+
+#### Scenario: 不支持的供应商类型
+
+- **GIVEN** 系统仅配置了 CosyVoice 和 SiliconFlow 供应商
+- **WHEN** 用户指定 `providerType` 为不存在的值（如 `other`）
+- **THEN** 系统应当返回错误提示 "不支持的语音克隆供应商: other"
+
+---
+
+### Requirement: SiliconFlow 配置管理
+
+系统 MUST 支持通过配置文件管理硅基流动供应商的启用状态和连接参数。
+
+#### Scenario: 配置硅基流动供应商
+
+- **GIVEN** 管理员希望在系统中启用硅基流动
+- **WHEN** 管理员在 `application.yaml` 中配置以下参数：
+  ```yaml
+  yudao:
+    voice:
+      providers:
+        siliconflow:
+          enabled: true
+          api-key: sk-xxxxx
+          base-url: https://api.siliconflow.cn
+          default-model: IndexTeam/IndexTTS-2
+  ```
+- **THEN** 系统应当在启动时注册 `SiliconFlowProvider`
+- **AND** 用户可以通过指定 `providerType` 为 `siliconflow` 使用该供应商
+
+#### Scenario: 禁用硅基流动供应商
+
+- **GIVEN** 硅基流动供应商已配置
+- **WHEN** 管理员将 `enabled` 设置为 `false` 或移除配置
+- **THEN** 系统启动时不应注册 `SiliconFlowProvider`
+- **AND** 用户请求硅基流动服务时应当返回错误提示
+
+#### Scenario: 向后兼容旧配置
+
+- **GIVEN** 系统已从旧版本升级，存在 `yudao.cosyvoice.*` 配置
+- **WHEN** 系统启动时检测到旧配置
+- **THEN** 系统应当自动将旧配置迁移到 `yudao.voice.providers.cosyvoice.*` 结构
+- **AND** 优先使用新配置，旧配置作为 fallback
--- a/openspec/changes/add-siliconflow-voice-provider/tasks.md
+++ b/openspec/changes/add-siliconflow-voice-provider/tasks.md
@@ -0,0 +1,66 @@
+# Implementation Tasks
+
+## 1. 配置类实现
+- [ ] 1.1 创建 `SiliconFlowProviderConfig` 配置类
+  - 继承 `VoiceProviderProperties.ProviderConfig`
+  - 添加硅基流动特有配置字段
+  - 添加默认值和配置前缀
+
+## 2. API 客户端实现
+- [ ] 2.1 创建 `SiliconFlowApi` HTTP 客户端
+  - 实现 `uploadVoice()` 方法 - 上传参考音频
+  - 实现 `synthesize()` 方法 - 文本转语音
+  - 实现 `transcribe()` 方法 - 语音转文本（可选）
+  - 配置 RestTemplate/ WebClient
+  - 添加请求/响应日志
+
+## 3. DTO 类实现
+- [ ] 3.1 创建 `SiliconFlowVoiceUploadRequest` - 上传参考音频请求
+- [ ] 3.2 创建 `SiliconFlowVoiceUploadResponse` - 上传参考音频响应
+- [ ] 3.3 创建 `SiliconFlowTtsRequest` - 文本转语音请求
+- [ ] 3.4 创建 `SiliconFlowTtsResponse` - 文本转语音响应（二进制处理）
+
+## 4. Provider 实现类
+- [ ] 4.1 创建 `SiliconFlowProvider` 实现类
+  - 实现 `VoiceCloneProvider` 接口
+  - 实现 `cloneVoice()` 方法
+  - 实现 `synthesize()` 方法
+  - 实现 `supports()` 方法
+  - 实现 `getProviderType()` 方法
+  - 添加 `@Component` 注解注册为 Spring Bean
+
+## 5. 配置文件更新
+- [ ] 5.1 更新 `application.yaml`
+  - 添加 `yudao.voice.providers.siliconflow` 配置节
+  - 配置 API Key、base URL、模型等参数
+  - 默认设置为 `enabled: false`
+
+## 6. 测试与验证
+- [ ] 6.1 编写单元测试
+  - 测试 `SiliconFlowApi` HTTP 调用
+  - 测试 `SiliconFlowProvider` 适配逻辑
+  - Mock 硅基流动 API 响应
+- [ ] 6.2 集成测试
+  - 测试语音克隆完整流程
+  - 测试 TTS 合成完整流程
+  - 测试供应商切换功能
+- [ ] 6.3 验证前端兼容性
+  - 验证 `voiceConfig.js` 支持 `siliconflow` 类型
+  - 验证 API 请求支持 `providerType` 参数
+
+## 7. 文档与清理
+- [ ] 7.1 更新相关文档
+  - 添加硅基流动配置说明
+  - 添加硅基流动使用示例
+- [ ] 7.2 代码审查与清理
+  - 检查代码规范
+  - 移除调试代码
+  - 确保日志级别正确
+
+---
+
+**总计**: 20 项任务
+
+**预计工作量**: 2-3 天
+
+**依赖**: 多供应商架构重构已完成
--- a/openspec/changes/refactor-voice-provider/design.md
+++ b/openspec/changes/refactor-voice-provider/design.md
@@ -1,133 +0,0 @@
-# Technical Design: Voice Clone Provider Refactoring
-
-## Context
-
-当前语音克隆功能直接依赖阿里云 CosyVoice 的 SDK 和 API。Service 层直接调用 `CosyVoiceClient`，导致：
-
-1. **强耦合**：无法轻松切换或添加其他供应商
-2. **测试困难**：难以 mock 外部依赖
-3. **扩展性差**：添加新供应商需要修改 Service 层
-
-## Goals / Non-Goals
-
-### Goals
- 解耦 Service 层与具体供应商实现
- 支持多供应商并存和动态切换
- 保持现有功能完全兼容
- 为添加硅基流动 IndexTTS-2 打下基础
-
-### Non-Goals
- 不改变现有 API 行为
- 不修改数据库结构
- 不改变前端交互
-
-## Decisions
-
-### 1. 采用策略模式 + 工厂模式
-
-**Why**:
- 策略模式：定义统一接口，各供应商独立实现
- 工厂模式：根据配置动态获取 Provider 实例
- 符合开闭原则，扩展时无需修改现有代码
-
-**架构**:
-```
-VoiceCloneProvider (interface)
-├── CosyVoiceProvider (impl) - 阿里云 CosyVoice (DashScope)
-├── SiliconFlowProvider (impl) - 阶段二：硅基流动 IndexTTS-2
-└── VoiceCloneProviderFactory
-```
-
-**说明**:
- `CosyVoiceProvider` 对应阿里云 DashScope 的语音服务
- 默认模型：`cosyvoice-v3-flash`
- 扩展时添加新的 Provider 实现
-
-### 2. 统一 DTO 设计
-
-**Why**: 屏蔽不同供应商的 API 差异
-
-```java
-// 统一请求
-VoiceCloneRequest {
-    String audioUrl;        // 音频 URL
-    String prefix;          // 音色前缀
-    String targetModel;     // 目标模型
-}
-
-// 统一响应
-VoiceCloneResult {
-    String voiceId;         // 生成的音色 ID
-    String requestId;       // 请求 ID
-}
-```
-
-### 3. 配置结构设计
-
-**新配置结构**:
-```yaml
-yudao:
-  voice:
-    # 默认供应商
-    default-provider: cosyvoice
-
-    # 供应商配置
-    providers:
-      cosyvoice:  # 阿里云 CosyVoice
-        enabled: true
-        api-key: ${DASHSCOPE_API_KEY}
-        default-model: cosyvoice-v3-flash
-        # ... 其他配置
-
-      siliconflow:  # 阶段二添加
-        enabled: false
-        api-key: ${SILICONFLOW_API_KEY}
-        base-url: https://api.siliconflow.cn
-        default-model: indextts-2
-```
-
-**向后兼容**:
- 读取旧配置 `yudao.cosyvoice.*` 并合并到新结构
- 优先使用新配置，旧配置作为 fallback
-
-### 4. 错误处理策略
-
- Provider 调用失败时，记录详细日志
- 返回统一的业务异常 `VOICE_TTS_FAILED`
- 不暴露底层供应商的技术细节
-
-## Risks / Trade-offs
-
-| Risk | Mitigation |
-|------|------------|
-| 破坏现有功能 | 充分测试，保持 DTO 兼容 |
-| 配置迁移复杂 | 支持旧配置自动映射 |
-| 性能开销 | 工厂缓存 Provider 实例 |
-
-## Migration Plan
-
-### 阶段一：CosyVoice 重构
-1. 创建接口和工厂
-2. 重构 CosyVoice 为 Provider 实现
-3. 更新 Service 层使用接口
-4. 测试验证
-
-### 阶段二：添加 SiliconFlow
-1. 实现 SiliconFlowProvider
-2. 添加配置支持
-3. 集成测试
-
-### 回滚方案
- 保留原有配置支持
- Feature Flag 控制新逻辑
-
-## Open Questions
-
-1. **Q**: 是否需要支持运行时动态切换供应商？
-   **A**: 初期不支持，通过配置切换即可
-
-2. **Q**: 是否需要 Provider 健康检查？
-   **A**: 阶段二考虑添加
-
-3. **Q**: DTO 字段差异如何处理？
-   **A**: 使用公共字段，扩展字段放 `Map<String, Object> extensions`
--- a/openspec/changes/refactor-voice-provider/proposal.md
+++ b/openspec/changes/refactor-voice-provider/proposal.md
@@ -1,35 +0,0 @@
-# Change: Refactor Voice Clone Provider
-
-## Why
-
-当前语音克隆功能直接依赖阿里云 CosyVoice 实现，代码强耦合，扩展性差。添加新供应商（如硅基流动 IndexTTS-2）需要修改 Service 层代码，违反开闭原则。
-
-**说明**: CosyVoice 是阿里云的语音合成服务（DashScope 平台），支持语音克隆和 TTS。当前代码使用 `cosyvoice-v3-flash` 模型。
-
-## What Changes
-
- **ADDED** 引入策略模式，定义 `VoiceCloneProvider` 统一接口
- **ADDED** 创建工厂类 `VoiceCloneProviderFactory` 管理多供应商
- **MODIFIED** 将现有 `CosyVoiceClient` 改造为 `CosyVoiceProvider`
- **MODIFIED** 更新 `TikUserVoiceServiceImpl` 使用 Provider 接口
- **ADDED** 新增配置类支持多供应商配置和切换
- **BREAKING** 配置项从 `yudao.cosyvoice` 迁移到 `yudao.voice.providers`
-
-## Impact
-
- **Affected specs**:
-  - `voice-clone` (新增能力规范)
- **Affected code**:
-  - `TikUserVoiceServiceImpl.java` - Service 层改为依赖注入 Provider
-  - `CosyVoiceClient.java` → `CosyVoiceProvider.java` - 重命名并实现接口
-  - `CosyVoiceProperties.java` → `VoiceProviderProperties.java` - 配置结构重组
-  - 新增 `VoiceCloneProvider.java` - 统一接口定义
-  - 新增 `VoiceCloneProviderFactory.java` - 工厂类
-  - 新增 `SiliconFlowProvider.java` - 硅基流动实现（阶段二）
-
-## Migration
-
- 现有配置自动迁移：`yudao.cosyvoice.*` → `yudao.voice.providers.cosyvoice.*`
- 默认供应商保持为 `cosyvoice`
- 默认行为保持不变，向后兼容
- 支持通过配置切换供应商：`yudao.voice.default-provider`
--- a/openspec/changes/refactor-voice-provider/specs/voice-clone/spec.md
+++ b/openspec/changes/refactor-voice-provider/specs/voice-clone/spec.md
@@ -1,132 +0,0 @@
-# Voice Clone Capability Specification
-
-## ADDED Requirements
-
-### Requirement: Provider Abstraction Layer
-The system SHALL provide a unified provider abstraction layer for voice cloning services, supporting multiple vendors through a common interface.
-
-#### Scenario: Get provider by type
- **GIVEN** the system is configured with multiple voice clone providers
- **WHEN** requesting a provider by type
- **THEN** the system SHALL return the corresponding provider instance
- **AND** the provider SHALL implement the `VoiceCloneProvider` interface
-
-#### Scenario: Provider not found
- **GIVEN** the system is configured with a default provider
- **WHEN** requesting a non-existent provider type
- **THEN** the system SHALL fallback to the default provider
- **AND** log a warning message
-
-### Requirement: Voice Cloning
-The system SHALL support voice cloning through the provider interface, accepting an audio file URL and returning a unique voice ID.
-
-#### Scenario: Successful voice cloning with CosyVoice
- **GIVEN** a valid CosyVoice provider is configured
- **WHEN** submitting a voice clone request with audio URL
- **THEN** the system SHALL return a voice ID
- **AND** the voice ID SHALL be usable for subsequent TTS synthesis
-
-#### Scenario: Voice cloning failure
- **GIVEN** the provider API is unavailable or returns an error
- **WHEN** submitting a voice clone request
- **THEN** the system SHALL throw a `VOICE_TTS_FAILED` exception
- **AND** log the error details for debugging
-
-### Requirement: Text-to-Speech Synthesis
-The system SHALL support TTS synthesis through cloned voices or system voices, accepting text input and returning audio data.
-
-#### Scenario: TTS with cloned voice
- **GIVEN** a valid voice ID from a previous clone operation
- **WHEN** submitting a TTS request with text and voice ID
- **THEN** the system SHALL return audio data in the specified format
- **AND** the audio SHALL match the cloned voice characteristics
-
-#### Scenario: TTS with system voice
- **GIVEN** a system voice ID is configured
- **WHEN** submitting a TTS request with text and system voice ID
- **THEN** the system SHALL return audio data using the system voice
- **AND** the audio SHALL match the system voice characteristics
-
-#### Scenario: TTS with reference audio (file URL)
- **GIVEN** a reference audio URL and transcription text
- **WHEN** submitting a TTS request with file URL
- **THEN** the system SHALL perform on-the-fly voice cloning
- **AND** return audio data matching the reference voice
-
-### Requirement: Configuration Management
-The system SHALL support multi-provider configuration through a unified configuration structure.
-
-#### Scenario: Configure multiple providers
- **GIVEN** the application configuration file
- **WHEN** configuring multiple voice providers
- **THEN** each provider SHALL have independent `enabled` flag
- **AND** the system SHALL only use enabled providers
-
-#### Scenario: Default provider selection
- **GIVEN** the configuration specifies a `default-provider`
- **WHEN** no provider is explicitly specified
- **THEN** the system SHALL use the default provider
- **AND** fallback to `cosyvoice` if default is not configured
-
-#### Scenario: Backward compatibility
- **GIVEN** existing configuration using `yudao.cosyvoice.*`
- **WHEN** the system starts
- **THEN** the system SHALL automatically migrate to new config structure
- **AND** existing functionality SHALL remain unchanged
-
-### Requirement: Provider Factory
-The system SHALL provide a factory component for managing provider instances and resolving providers by type.
-
-#### Scenario: Factory resolves provider
- **GIVEN** the factory is initialized with provider configurations
- **WHEN** calling `factory.getProvider("cosyvoice")`
- **THEN** the factory SHALL return the CosyVoiceProvider instance
- **AND** cache the instance for subsequent requests
-
-#### Scenario: Factory returns default
- **GIVEN** the factory is configured with default provider
- **WHEN** calling `factory.getProvider(null)`
- **THEN** the factory SHALL return the default provider instance
-
-## MODIFIED Requirements
-
-### Requirement: Voice Creation Flow
-The voice creation process SHALL use the provider abstraction layer instead of directly calling CosyVoice client.
-
-#### Scenario: Create voice with CosyVoice
- **GIVEN** a user uploads a voice audio file
- **WHEN** creating a voice configuration through the API
- **THEN** the system SHALL:
-  1. Validate the file exists and belongs to voice category
-  2. Call `provider.cloneVoice()` with the audio URL
-  3. Store the returned `voiceId` in the database
-  4. Return success response with voice configuration ID
-
-#### Scenario: Create voice with transcription
- **GIVEN** a voice configuration is created without transcription
- **WHEN** the user triggers transcription
- **THEN** the system SHALL:
-  1. Fetch the audio file URL
-  2. Call the transcription service
-  3. Store the transcription text
-  4. Update the voice configuration
-
-### Requirement: Voice Preview
-The voice preview functionality SHALL work with both cloned voices (voiceId) and reference audio (file URL).
-
-#### Scenario: Preview cloned voice
- **GIVEN** a voice configuration with a valid `voiceId`
- **WHEN** requesting a preview with custom text
- **THEN** the system SHALL call `provider.synthesize()` with the voiceId
- **AND** return audio data in Base64 format
-
-#### Scenario: Preview with reference audio
- **GIVEN** a voice configuration without `voiceId` but with audio file
- **WHEN** requesting a preview
- **THEN** the system SHALL call `provider.synthesize()` with the file URL
- **AND** use the stored transcription as reference text
- **AND** return audio data in Base64 format
-
-## REMOVED Requirements
-
-None. This change is additive and refactoring only.
--- a/openspec/changes/refactor-voice-provider/tasks.md
+++ b/openspec/changes/refactor-voice-provider/tasks.md
@@ -1,53 +0,0 @@
-# Implementation Tasks
-
-## 1. 接口与基础结构
- [ ] 1.1 创建 `VoiceCloneProvider` 接口
-  - 定义 `cloneVoice(VoiceCloneRequest)` 方法
-  - 定义 `synthesize(VoiceTtsRequest)` 方法
-  - 定义 `supports(String providerType)` 方法
- [ ] 1.2 创建统一 DTO 类
-  - `VoiceCloneRequest` - 语音克隆请求
-  - `VoiceCloneResult` - 语音克隆响应
-  - `VoiceTtsRequest` - 语音合成请求
-  - `VoiceTtsResult` - 语音合成响应
- [ ] 1.3 创建 `VoiceCloneProviderFactory` 工厂类
-  - 根据配置获取 Provider 实例
-  - 支持动态切换供应商
-
-## 2. CosyVoice 重构（保持现有功能）
- [ ] 2.1 重命名 `CosyVoiceClient` → `CosyVoiceProvider`
- [ ] 2.2 `CosyVoiceProvider` 实现 `VoiceCloneProvider` 接口
- [ ] 2.3 适配现有 DTO 到新的统一 DTO
- [ ] 2.4 保持现有 DashScope SDK 调用逻辑不变
-
-## 3. 配置重构
- [ ] 3.1 创建 `VoiceProviderProperties` 配置类
-  - 支持多供应商配置结构
-  - 添加 `default-provider` 配置项
- [ ] 3.2 创建 `CosyVoiceProviderConfig` (嵌套配置)
- [ ] 3.3 保持向后兼容：支持读取旧的 `yudao.cosyvoice.*` 配置
-
-## 4. Service 层改造
- [ ] 4.1 修改 `TikUserVoiceServiceImpl`
-  - 注入 `VoiceCloneProvider` 而非 `CosyVoiceClient`
-  - 使用工厂获取 Provider 实例
- [ ] 4.2 更新方法调用
-  - `createVoice()` - 使用 `provider.cloneVoice()`
-  - `synthesizeVoice()` - 使用 `provider.synthesize()`
-  - `previewVoice()` - 使用 `provider.synthesize()`
-
-## 5. 测试与验证
- [ ] 5.1 单元测试：CosyVoiceProvider
- [ ] 5.2 单元测试：VoiceCloneProviderFactory
- [ ] 5.3 集成测试：TikUserVoiceServiceImpl
- [ ] 5.4 验证现有功能正常运行
-
-## 6. 文档与配置迁移
- [ ] 6.1 更新 `application.yaml` 配置示例
- [ ] 6.2 添加配置迁移说明文档
-
---
-
-**总计**: 20 项任务
-
-**预计工作量**: 2-3 天