vb2250158/oumuq/qwen-tts-audio

Qwen TTS Audio

使用本地 Qwen3-TTS 常驻 worker。worker 脚本和参考音频解析器都随本 Skill 安装：

• %USERPROFILE%\.codex\skills\qwen-tts-audio\scripts\qwen_tts_worker.py
• %USERPROFILE%\.codex\skills\qwen-tts-audio\scripts\voice_reference.py

多会话规则

• 一个常驻 worker 可以接收不同会话、不同 character_id 的交错请求。
• 每个 job 在提交阶段独立解析角色目录、voice index、参考音频、语言和生成参数。
• 当前角色属于调用方会话，不属于 worker 全局状态。
• 每次请求必须显式发送当前会话的 character_id；不要依赖上一条请求。
• 不要因为另一个会话切换角色而重启共享 worker。
• session_id 可用于直接 worker 调试记录；经 OumuQ 时由 OumuQ 自己保存关联记录。

如果旧 worker 只能固定单一 prompt audio，应给不同角色分配独立端口，不能反复重启共享端口。

启动

从拥有缓存与输出目录的工作区启动：

$worker = Join-Path $env:USERPROFILE '.codex\skills\qwen-tts-audio\scripts\qwen_tts_worker.py'
Start-Process -FilePath '<qwen-python>' -ArgumentList @(
  '-X','utf8',
  $worker,
  '--workdir',(Get-Location).Path,
  '--model','<model-or-snapshot>',
  '--host','127.0.0.1',
  '--port','8765',
  '--max-new-tokens','192'
) -WorkingDirectory (Get-Location).Path -WindowStyle Hidden -PassThru

<qwen-python> 和模型位置属于本机配置，不要写死到公开 Skill。

请求

优先经 OumuQ：

{
  "session_id": "session-a",
  "character_id": "jp_companion",
  "text": "こんばんは。",
  "language": "Japanese",
  "play": true,
  "emotion_tags": ["warm"],
  "match_patterns": ["greeting"]
}

直接 worker fallback 也可以额外传：

• character_folder
• prompt_audio / prompt_audios
• emotion_vector
• ref_text
• max_new_tokens

参考音频隔离

worker 在每个请求中从该角色的 voice-index.json 选择参考音频，并把选择结果写入 job 快照。角色请求没有显式 ref_text 时，不继承进程启动时属于另一个角色的 --ref-text；它会使用安全的 x-vector-only 模式。只有不带角色身份的 legacy 请求才可使用进程默认 ref_text。

生成音频、组合 prompt、缓存和日志都必须位于工作区输出目录，不能写回 voice-references。