Files
2026-08-21 16:00:13 +08:00

246 lines
7.5 KiB
Python
Raw Permalink Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
"""音频服务类型 — 请求/响应模型和协议定义。
ASR(自动语音识别)和 TTS(文本转语音)适配器**不是** LangChain 的
``BaseChatModel`` 子类 —— 它们是通过 HTTP 调用的服务,经由 ``AudioService``
或直接从 ``ModelFactory`` 消费。
用法::
service = AudioService(factory)
result = await service.transcribe(audio_data)
result = await service.synthesize("你好")
# 或通过工厂直接调用:
tts = factory.create_audio("mimo-v2.5-tts")
result = await tts.synthesize(TTSRequest(text="你好"))
"""
from __future__ import annotations
from dataclasses import dataclass
from typing import TYPE_CHECKING, Any, Protocol, runtime_checkable
from app.ai_provider.types.errors import AIProviderError
if TYPE_CHECKING:
from app.ai_provider.config.models import ModelConfig, ModelEndpointConfig
class AudioServiceError(AIProviderError):
"""ASR / TTS 服务失败的基础错误。"""
# ── ASR ───────────────────────────────────────────────────────────────────
class ASRRequest:
"""将音频转写为文本的请求。
属性:
audio_data: 原始音频字节。
format: 音频容器格式(如 ``"wav"``、``"mp3"``、``"m4a"``)。
language: 可选的 ISO-639-1 语言提示(如 ``"zh"``、``"en"``)。
"""
__slots__ = ("audio_data", "format", "language")
def __init__(
self,
audio_data: bytes,
format: str = "wav",
language: str | None = None,
) -> None:
self.audio_data = audio_data
self.format = format
self.language = language
@dataclass(frozen=True)
class ASRResponse:
"""成功转写的结果。"""
text: str
@runtime_checkable
class ASRProtocol(Protocol):
"""ASR 适配器的协议。"""
async def transcribe(self, request: ASRRequest) -> ASRResponse:
"""将音频字节转写为文本。
异常:
AudioServiceError: API 调用失败或响应异常时抛出。
"""
...
# ── TTS ───────────────────────────────────────────────────────────────────
class TTSRequest:
"""将文本合成为语音的请求。
属性:
text: 待朗读的文本。
voice: 音色标识符(模型决定可用音色)。
response_format: 期望的音频格式(``"wav"``、``"mp3"``、``"opus"``)。
extra: 厂商特定的额外参数(如音色克隆/设计参数)。
"""
__slots__ = ("text", "voice", "response_format", "extra")
def __init__(
self,
text: str,
voice: str = "default",
response_format: str = "wav",
extra: dict | None = None,
) -> None:
self.text = text
self.voice = voice
self.response_format = response_format
self.extra = extra or {}
@dataclass(frozen=True)
class TTSResponse:
"""成功合成的结果。"""
audio_data: bytes
format: str
@runtime_checkable
class TTSProtocol(Protocol):
"""TTS 适配器的协议。"""
async def synthesize(self, request: TTSRequest) -> TTSResponse:
"""将文本合成为音频字节。
异常:
AudioServiceError: API 调用失败或响应异常时抛出。
"""
...
# ── 共享工厂基类 ──────────────────────────────────────────────────────────
class AudioAdapterBase:
"""ASR/TTS 适配器的基类,提供共享的工厂方法。
子类必须设置 ``_adapter_type``(如 ``"asr"``、``"tts"``),并在
``__init__`` 中接受 ``base_url``、``api_key``、``model``、
``request_timeout_seconds`` 参数。
"""
_adapter_type: str = "audio"
_default_timeout: int = 120
@classmethod
def from_endpoint(
cls,
endpoint: ModelEndpointConfig,
*,
provider: ProviderConfig | None = None,
timeout_seconds: int | None = None,
) -> Any:
"""从已解析的端点配置构建适配器。
凭证解析优先级:
1. endpoint 直填的 ``base_url`` / ``api_key``
2. endpoint 的 ``base_url_env`` / ``api_key_env`` 指向的 settings 字段
3. provider 级凭证(调用方按需传入 ProviderConfig)
"""
base_url = _resolve_base_url(endpoint, provider)
api_key = _resolve_api_key(endpoint, provider)
if not base_url:
raise AudioServiceError(
status_code=500,
code=f"audio_{cls._adapter_type}_endpoint_invalid",
message=(
f"{cls._adapter_type.upper()} endpoint '{endpoint.name}' "
"has no resolved base_url."
),
)
return cls(
base_url=base_url,
api_key=api_key,
model=endpoint.model,
request_timeout_seconds=timeout_seconds
or endpoint.request_timeout_seconds
or cls._default_timeout,
)
@classmethod
def from_model_config(
cls,
config: ModelConfig,
*,
provider: ProviderConfig | None = None,
timeout_seconds: int | None = None,
) -> Any:
"""从逻辑模型配置构建适配器(使用第一个活跃端点)。"""
for ep in config.endpoints:
if ep.status == "active":
return cls.from_endpoint(
ep, provider=provider, timeout_seconds=timeout_seconds
)
raise AudioServiceError(
status_code=500,
code=f"audio_{cls._adapter_type}_no_endpoint",
message=f"{cls._adapter_type.upper()} model '{config.name}' has no active endpoint.",
)
def _resolve_base_url(
endpoint: ModelEndpointConfig,
provider: ProviderConfig | None,
) -> str:
"""端点 base_url → endpoint.base_url_env 对应 settings → provider.base_url(_env)。"""
if endpoint.base_url:
return endpoint.base_url
if endpoint.base_url_env:
val = _settings_get(endpoint.base_url_env)
if val:
return val
if provider is not None:
if provider.base_url:
return provider.base_url
if provider.base_url_env:
val = _settings_get(provider.base_url_env)
if val:
return val
return ""
def _resolve_api_key(
endpoint: ModelEndpointConfig,
provider: ProviderConfig | None,
) -> str:
"""端点 api_key → endpoint.api_key_env 对应 settings → provider 级凭证。"""
if endpoint.api_key:
return endpoint.api_key
if endpoint.api_key_env:
val = _settings_get(endpoint.api_key_env)
if val:
return val
if provider is not None:
# ProviderConfig 的 api_key_env / base_url_env 也走 settings 解析
val = _settings_get(provider.api_key_env)
if val:
return val
return ""
def _settings_get(env_name: str) -> str | None:
"""按大写 env 名查 settings 上的小写字段(与现有 _resolve_credentials 约定一致)。"""
from app.core.config import settings
key = env_name.lower()
if hasattr(settings, key):
value = getattr(settings, key)
return value if isinstance(value, str) else None
return None