Tts

GPT-SoVITS TTS 执行手册（主 session 专用）

⚠️ 核心规则：你不能 exec TTS！你要 spawn 子 session！

❌ 绝对禁止: exec 跑 tts_call.py ✅ 唯一方式: sessions_spawn(mode="run")

TTS 推理会杀 llama-server（腾显存）。你用的是 local/qwen3.6-35b——llama 一死你也会死。 如果你 exec TTS，你会立刻 503，连结果都看不到。别做。

时序窗口保证（纯本地链路）

1. Python 脚本内部：stop_llama → TTS 推理 → start_llama → 三阶段检测（端口+health+completion）
2. Python 脚本 stdout 只输出纯路径，stderr 不走 stdout（不走 2>&1）
3. PS 脚本：只读 stdout 路径 → Copy-Item → 写 flag → 等 llama /health → 输出 DONE
4. 子 session exec 返回时本地 llama 已完全就绪 → announce 不会 503

子 session 用本地 qwen3.6-35b（独立运行），deepseek 仅作 fallback

执行步骤

⛔ 第一步：别 exec！

在你做任何事之前，停下来问自己： "我接下来要调用的是 exec 还是 sessions_spawn？"

• 如果你要 exec → 停手。别做。 你会 503，然后发不出语音。
• 如果你要 sessions_spawn → ✅ 继续。

你只能 spawn，不能 exec。没有例外。

STEP 1: 组装参数（你负责写文本、选情绪、选语言）

根据上下文写好要合成的文本。
选语言（默认 ja=日文）。
选情绪模式（casual/tsundere/romantic/long），不指定则自动匹配。

STEP 2: 用 sessions_spawn 创建子 session

用下面这个命令，把 $text、$lang、$mood 替换好后 传给子 session：

sessions_spawn({
  task: `你的任务：只做一件事——用 exec 运行下面这条命令。

命令（复制粘贴，一个字都不许改）：

powershell -ExecutionPolicy Bypass -File "{{WORKSPACE}}\skills\tts\run_tts.ps1" -text "$text" -lang "$lang" -mood "$mood"

执行完毕后：
- 如果成功，输出"DONE: 然后是DONE后面的路径"
- 如果失败，输出"FAILED"
- 不要做任何其他操作！不要重新执行！不要写文件！不要检查！
- 你的唯一工作是运行这一条命令然后报告结果`,
  taskName: "tts",
  mode: "run",
  model: "local/qwen3.6-35b",
  fallbacks: ["deepseek/deepseek-v4-flash"],
  runTimeoutSeconds: 540
})

STEP 3: 回复用户

sessions_spawn 后直接回复用户："正在合成语音，稍等哦~ 🎤"
然后正常结束当前 turn。别 sessions_yield。

STEP 4: 收到 announce 后（重要！）

子 session 跑完会自动 announce 回来。announce 里会有 "DONE: <path>"。

⚠️ announce 可能包含两段文本：
1) 子 session 总结的长日志（模型信息、耗时等）—— 忽略它，不要转发！
2) "DONE: <path>" —— 只有这行有用！

你必须：
1. 从 announce 文本中提取 "DONE: " 后面的完整文件路径
2. 同时输出 MEDIA: 和 <qqmedia> 两种格式
3. 不要转发子 session 的日志文本

📦 同时输出两种格式（WebChat + QQ 频道都能收到语音）：
MEDIA:C:\path\to\tts_yyyyMMddHHmmss.wav
<qqmedia>C:\path\to\tts_yyyyMMddHHmmss.wav</qqmedia>

⚠️ 关键：你必须用 DONE 后面的真实路径替换上面的示例路径。
两个标签各占一行，路径是同一个完整绝对路径。
MEDIA: 在行首，不在代码块里；<qqmedia> 标签也单独一行。
可以先说一句话，再用 MEDIA 和 <qqmedia> 发语音。

❌ 只输出 MEDIA: 不输出 <qqmedia> → QQ 频道收不到语音！
❌ 只输出 <qqmedia> 不输出 MEDIA: → WebChat 收不到语音！

参数速查

你的职责 vs 子 session 的职责

.task_flags 文件

• 路径: {{TASK_FLAGS}}\
• 格式: {"status":"ok","file":"<path>","type":"tts"} 或 {"status":"fail"}
• 由 Windows Task Scheduler cleanup-orphans 每小时自动清理

故障排查

Q: 子 session announce 时 llama 503？

A: Python 脚本内部三阶段检测 + PS 脚本末尾 /health 双重确认。若仍超时，检查 /completion 阶段是否卡住。

Q: 子进程被 gateway 杀掉/孤儿进程？

A: tts_call.py 已内置 TimeoutGuard(HARD_TIMEOUT=420s) + atexit 清理。

Q: 并发调用导致两个 TTS 同时跑？

A: tts_call.py 有文件锁 (.tts_running.lock)，会跳过重复调用。