CamTalk/backend/internal/ai/tts/tts.go

package tts

import "context"

// Service 语音合成服务契约。
type Service interface {
	// SynthesizeStream 流式合成。
	// textStream 接收句子级文本（由 Orchestrator 的句子切分器产出），
	// 返回的 channel 持续输出 MP3 音频 chunk。
	SynthesizeStream(ctx context.Context, textStream <-chan string, opts Options) (<-chan Chunk, error)
}

// Options 合成参数。
type Options struct {
	Voice      string  // "alloy" | "nova" | "shimmer" 等
	Speed      float64 // 1.0 为正常语速
	OutputFmt  string  // "mp3" — 固定使用 MP3
	SampleRate int     // 24000
}

// Chunk 一个音频片段。
type Chunk struct {
	Audio  []byte // MP3 音频数据（未 Base64 编码）
	IsLast bool   // 当前句子是否为最后一片（每句结束时为 true）
	Final  bool   // 整轮 TTS 是否结束（所有句子合成完毕后为 true，此时 Audio 为 nil）
}