全功能异步接口 `v2/*`

[zhzLuke96]

背景

现在很多内部功能其实还是没有完全释放出来，比如 voice clone 流程基本触发不到，并且用 tts api 单次克隆也很麻烦
还有比如任务队列的需求，也很有必要开发，所以准备开发 v2 api

基本方向：所有兼容接口 google openai xtts 这些均保留在 v1 spec 下面，v2 是一套完全独立的 api，基于 job queue 和 文件流 管理

TODOs

• /v2/tts post api，可以控制所有 tts pipeline context，并且可以接受克隆参数（即参考音频）
  • /v2/tts 单元测试
• /v2/file 文件api，输出文件流独立于生成接口
• /v2/job/* 任务队列api
• v2 api 文档

[zhzLuke96]

v2系列api涉及到数据流管理和任务队列，还未完善，但是 /v2/tts 几乎已经可用 （缺少测试）

下面我写一些简单的 /v2/tts 使用说明，以防有人需要使用 /v2/tts 接口但是现在缺乏文档支持

1. v2/tts 如何指定其他模型
   设置参数 tts.mid ，参数body大概类似如下：

{
  "text": "你好。",
  "tts": {
    "mid": "cosy-voice"
  }
}

2. /v2/tts 如何指定说话人

可以使用两种方式指定说话人

• 指定说话人id或者说话人name，使用 /data/speakers 文件夹下面的说话人 (*.spkv1.json文件)

{
  "text": "你好。",
  "spk": {
    "from_spk_id": "9609c6a2d27b485fb0c8aec05a684579"
  }
}

{
  "text": "你好。",
  "spk": {
    "from_spk_name": "mona"
  }
}

• 直接上传参考音频

{
  "text": "你好。",
  "spk": {
    "from_ref": {
      "wav_b64": "SUQzB...<base64编码音频文件的字符串>",
      "text": "<对应参考音频的文本>"
    }
  }
}

3. 如何调用 api ？如何测试 api？
   推荐参考这个示例代码：
   https://github.com/lenML/Speech-AI-Forge/blob/main/examples/javascript/tts_v2_full.mjs
   其中有完整的接口参数，以及演示了如何传递 base64 参考音频

[zhzLuke96]

如果有人需要看完整 v2 api 文档，可以看这个
https://github.com/lenML/Speech-AI-Forge/blob/main/docs/api_v2.md