@henjicc/ai-sdk 0.7.0 → 0.9.0

package/dist/providers/tts-voices.js

@@ -0,0 +1,139 @@
+import { fetchProvider } from './provider-fetch.js';
+const VOICE_PROVIDERS = {
+    'bailian-minimax-speech-2.8': 'bailian',
+    'bailian-cosyvoice-v3.5': 'bailian',
+    'bailian-qwen-audio-3.1-tts-flash': 'bailian',
+    'siliconflow-cosyvoice2-tts': 'siliconflow',
+};
+function object(value) {
+    return value && typeof value === 'object' && !Array.isArray(value)
+        ? value
+        : null;
+}
+function string(value) {
+    return typeof value === 'string' ? value.trim() : '';
+}
+function voiceDescription(value) {
+    if (typeof value === 'string')
+        return value.trim() || undefined;
+    if (Array.isArray(value)) {
+        const joined = value.filter((item) => typeof item === 'string' && item.trim().length > 0).join(' · ');
+        return joined || undefined;
+    }
+    return undefined;
+}
+function uniqueVoices(voices) {
+    return [...new Map(voices.map((voice) => [voice.id, voice])).values()];
+}
+async function requestJson(providerId, url, apiKey, runtime, body) {
+    const response = await fetchProvider(providerId, url, {
+        method: body ? 'POST' : 'GET',
+        headers: {
+            Authorization: `Bearer ${apiKey}`,
+            ...(body ? { 'Content-Type': 'application/json' } : {}),
+        },
+        ...(body ? { body: JSON.stringify(body) } : {}),
+    }, { transport: runtime.transport, retryPreconnectOnce: false });
+    if (!response.ok) {
+        throw new Error(`${providerId} 音色列表请求失败（HTTP ${response.status}）`);
+    }
+    try {
+        return await response.json();
+    }
+    catch {
+        throw new Error(`${providerId} 音色列表响应格式错误`);
+    }
+}
+async function listBailianMinimax(apiKey, runtime) {
+    const payload = object(await requestJson('bailian', 'https://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation', apiKey, runtime, { model: 'MiniMax/speech-2.8-turbo', input: { action: 'get_voice', voice_type: 'all' } }));
+    const output = object(payload?.output);
+    const baseResp = object(output?.base_resp);
+    if (!output || baseResp?.status_code !== 0 || (!Array.isArray(output.system_voice) && !Array.isArray(output.voice_cloning))) {
+        throw new Error('百炼 MiniMax 音色列表返回错误');
+    }
+    const voices = [];
+    for (const source of ['system_voice', 'voice_cloning']) {
+        const entries = output[source];
+        if (!Array.isArray(entries))
+            continue;
+        for (const item of entries) {
+            const entry = object(item);
+            const id = string(entry?.voice_id);
+            if (!id)
+                continue;
+            voices.push({
+                id,
+                name: string(entry?.voice_name) || id,
+                description: voiceDescription(entry?.description),
+                source: source === 'system_voice' ? 'system' : 'clone',
+            });
+        }
+    }
+    return uniqueVoices(voices);
+}
+async function listBailianEnrollment(modelId, apiKey, runtime) {
+    const prefix = modelId === 'bailian-cosyvoice-v3.5' ? 'cosyvoice-v3.5-' : 'qwen-audio-3.1-tts-flash-';
+    const voices = [];
+    const pageSize = 50;
+    for (let pageIndex = 0; pageIndex < 20; pageIndex += 1) {
+        const payload = object(await requestJson('bailian', 'https://dashscope.aliyuncs.com/api/v1/services/audio/tts/customization', apiKey, runtime, { model: 'voice-enrollment', input: { action: 'list_voice', page_index: pageIndex, page_size: pageSize } }));
+        const output = object(payload?.output);
+        const entries = output?.voice_list;
+        if (!Array.isArray(entries))
+            throw new Error('百炼复刻音色列表响应格式错误');
+        for (const item of entries) {
+            const entry = object(item);
+            const id = string(entry?.voice_id);
+            if (!id.startsWith(prefix) || entry?.status !== 'OK')
+                continue;
+            voices.push({ id, name: id, source: 'clone' });
+        }
+        if (entries.length < pageSize)
+            return uniqueVoices(voices);
+    }
+    throw new Error('百炼复刻音色超过查询页数限制');
+}
+async function listSiliconflow(apiKey, runtime) {
+    const payload = await requestJson('siliconflow', 'https://api.siliconflow.cn/v1/audio/voice/list', apiKey, runtime);
+    const root = object(payload);
+    const data = object(root?.data);
+    const entries = Array.isArray(payload) ? payload
+        : Array.isArray(root?.data) ? root.data
+            : Array.isArray(data?.voices) ? data.voices
+                : Array.isArray(root?.voices) ? root.voices
+                    : null;
+    if (!entries)
+        throw new Error('硅基流动音色列表响应格式错误');
+    const voices = [];
+    for (const item of entries) {
+        const entry = object(item);
+        const id = string(entry?.uri);
+        if (!id)
+            continue;
+        voices.push({ id, name: string(entry?.customName) || string(entry?.name) || id, source: 'clone' });
+    }
+    return uniqueVoices(voices);
+}
+/** 查询供应商账号中的可用音色；静态系统音色由宿主的展示目录提供。 */
+export async function listTtsVoices(modelId, runtime) {
+    if (!Object.prototype.hasOwnProperty.call(VOICE_PROVIDERS, modelId))
+        throw new Error(`不支持查询 ${modelId} 的音色`);
+    const providerId = VOICE_PROVIDERS[modelId];
+    const apiKey = await runtime.credentials.get('generation', providerId);
+    if (!apiKey)
+        throw new Error(`请先设置${providerId} API Key`);
+    runtime.logger?.info('tts_voice.list.start', { providerId, modelId });
+    try {
+        const voices = modelId === 'bailian-minimax-speech-2.8'
+            ? await listBailianMinimax(apiKey, runtime)
+            : modelId === 'siliconflow-cosyvoice2-tts'
+                ? await listSiliconflow(apiKey, runtime)
+                : await listBailianEnrollment(modelId, apiKey, runtime);
+        runtime.logger?.info('tts_voice.list.completed', { providerId, modelId, context: { count: voices.length } });
+        return voices;
+    }
+    catch (error) {
+        runtime.logger?.warn('tts_voice.list.failed', { providerId, modelId, error });
+        throw error;
+    }
+}

package/dist/providers/volcengine-speech.d.ts

@@ -1,3 +1,3 @@
 import type { ProviderContinuePollingInput, ProviderExecutionInput, ProviderExecutionResult } from '../types/runtime.js';
 export declare function execute(input: ProviderExecutionInput): Promise<ProviderExecutionResult>;
-export declare function continuePolling(_input: ProviderContinuePollingInput): Promise<ProviderExecutionResult>;
+export declare function continuePolling(input: ProviderContinuePollingInput): Promise<ProviderExecutionResult>;

package/dist/providers/volcengine-speech.js

@@ -5,6 +5,7 @@ import { fromBase64 } from '../upload/base64.js';
 import { audioBytesToDataUri } from './audio-data.js';
 import { isJsonObject, normalizeEndpoint } from './helpers.js';
 import { fetchProvider } from './provider-fetch.js';
+import { executeVoiceClone, pollVoiceClone } from './volcengine-voice-clone.js';
 const BASE_URL = 'https://openspeech.bytedance.com';
 const ENDPOINT = '/api/v3/tts/unidirectional';
 function decodeChunk(encoded) {
@@ -76,6 +77,8 @@ function consumeFrames(buffer, audio, usage) {
     return buffer.slice(start < 0 ? consumed : start);
 }
 export async function execute(input) {
+    if (input.route === '/api/v3/tts/voice_clone')
+        return executeVoiceClone(input);
     if (!isJsonObject(input.body) || !isJsonObject(input.body.req_params)) {
         throw new AiRuntimeError('invalid_request', 'Volcengine speech requires req_params');
     }
@@ -135,9 +138,12 @@ export async function execute(input) {
     return {
         status: 'completed',
         url: audioBytesToDataUri(joined, 'mp3'),
-        metadata: { byteLength: total, ...(usage.textWords === undefined ? {} : { textWords: usage.textWords }) },
+        metadata: { byteLength: total, ...(usage.textWords === undefined ? {} : { textWords: usage.textWords }),
+            ...(resourceId === 'seed-icl-2.0' && typeof input.body.req_params.speaker === 'string'
+                ? { activatedVoiceId: input.body.req_params.speaker } : {}),
+        },
     };
 }
-export async function continuePolling(_input) {
-    throw new AiRuntimeError('unsupported_provider', 'Volcengine speech uses one HTTP stream');
+export async function continuePolling(input) {
+    return pollVoiceClone(input);
 }

package/dist/providers/volcengine-voice-clone.d.ts

@@ -0,0 +1,3 @@
+import type { ProviderExecutionInput, ProviderContinuePollingInput, ProviderExecutionResult } from '../types/runtime.js';
+export declare function executeVoiceClone(input: ProviderExecutionInput): Promise<ProviderExecutionResult>;
+export declare function pollVoiceClone(input: ProviderContinuePollingInput): Promise<ProviderExecutionResult>;

package/dist/providers/volcengine-voice-clone.js

@@ -0,0 +1,129 @@
+import { AiRuntimeError } from '../runtime/AiRuntimeError.js';
+import { volcengineRequestId } from '../capabilities/speech-recognition/volcengine/request-id.js';
+import { pollUntilResult } from '../protocols/polling.js';
+import { parseDataUri } from '../upload/media-binary.js';
+import { toBase64 } from '../upload/base64.js';
+import { isJsonObject } from './helpers.js';
+import { fetchProvider } from './provider-fetch.js';
+const TASK_PREFIX = 'volc-voice:';
+const MAX_AUDIO_BYTES = 10_000_000;
+function taskId(identity) { return TASK_PREFIX + encodeURIComponent(JSON.stringify(identity)); }
+function decodeTask(value) {
+    try {
+        if (!value.startsWith(TASK_PREFIX))
+            throw new Error('prefix');
+        const data = JSON.parse(decodeURIComponent(value.slice(TASK_PREFIX.length)));
+        if (!isJsonObject(data) || typeof data.speaker !== 'string' || !data.speaker.trim()
+            || typeof data.name !== 'string' || !data.name.trim() || typeof data.postpaid !== 'boolean')
+            throw new Error('identity');
+        return { speaker: data.speaker, name: data.name, postpaid: data.postpaid };
+    }
+    catch {
+        throw new AiRuntimeError('invalid_task_id', '无效的音色训练任务');
+    }
+}
+function speakerBody(identity) {
+    return identity.postpaid
+        ? { speaker_id: 'custom_speaker_id', custom_speaker_id: identity.speaker }
+        : { speaker_id: identity.speaker };
+}
+async function request(input, route, body) {
+    input.signal?.throwIfAborted();
+    const response = await fetchProvider('Volcengine Speech', `https://openspeech.bytedance.com${route}`, {
+        method: 'POST',
+        headers: { 'Content-Type': 'application/json', 'X-Api-Key': input.apiKey, 'X-Api-Request-Id': volcengineRequestId(input.requestId, undefined) },
+        body: JSON.stringify(body), signal: input.signal,
+    }, { transport: input.runtime.transport, retryPreconnectOnce: false });
+    const payload = await response.json();
+    if (!isJsonObject(payload))
+        throw new AiRuntimeError('invalid_response', '音色训练返回了无效响应');
+    if (!response.ok || (payload.code !== undefined && payload.code !== 0)) {
+        throw new AiRuntimeError('provider_task_failed', typeof payload.message === 'string' ? payload.message : `音色训练请求失败（HTTP ${response.status}）`);
+    }
+    return payload;
+}
+function parseResult(payload, identity) {
+    if (typeof payload.speaker_id !== 'string' || !payload.speaker_id.trim()
+        || ![0, 1, 2, 3, 4].includes(payload.status)) {
+        throw new AiRuntimeError('invalid_response', '音色训练响应缺少有效音色或状态');
+    }
+    // 后付费响应可返回固定代号；实际自定义代号来自已提交任务身份。
+    if (payload.speaker_id !== identity.speaker && !(identity.postpaid && payload.speaker_id === 'custom_speaker_id')) {
+        throw new AiRuntimeError('invalid_response', '音色查询返回了其他音色');
+    }
+    if (payload.status === 0 || payload.status === 3) {
+        throw new AiRuntimeError(payload.status === 0 ? 'voice_not_found' : 'voice_training_failed', typeof payload.message === 'string' ? payload.message : payload.status === 0 ? '音色不存在或尚未训练' : '音色训练失败', { retryable: false });
+    }
+    const ready = payload.status === 2 || payload.status === 4;
+    const samples = Array.isArray(payload.speaker_status) ? payload.speaker_status : [];
+    const sample = samples.find(item => isJsonObject(item) && item.model_type === 5);
+    const demo = isJsonObject(sample) && typeof sample.demo_audio === 'string' ? sample.demo_audio : '';
+    if (demo && !/^https:\/\//i.test(demo))
+        throw new AiRuntimeError('invalid_response', '音色试听地址无效');
+    return {
+        status: ready ? 'completed' : 'pending', url: ready ? demo : '', taskId: taskId(identity),
+        metadata: {
+            ...payload,
+            clonedVoice: { id: identity.speaker, name: identity.name, status: ready ? 'ready' : 'training',
+                postpaid: identity.postpaid, activated: payload.status === 4,
+                ...(typeof payload.create_time === 'number' ? { createdAt: payload.create_time } : {}) },
+        },
+    };
+}
+export async function executeVoiceClone(input) {
+    if (!isJsonObject(input.body))
+        throw new AiRuntimeError('invalid_request', '音色克隆参数无效');
+    const body = input.body;
+    if (typeof body.clone_audio !== 'string' || typeof body.voice_name !== 'string' || !body.voice_name.trim()) {
+        throw new AiRuntimeError('invalid_request', '请填写音色名称并上传声音样本');
+    }
+    const existing = typeof body.speaker_id === 'string' ? body.speaker_id.trim() : '';
+    const custom = typeof body.custom_speaker_id === 'string' ? body.custom_speaker_id.trim() : '';
+    const identity = {
+        speaker: existing || custom || `henji${volcengineRequestId(input.requestId, undefined).replaceAll('-', '')}`,
+        name: body.voice_name.trim(), postpaid: !existing,
+    };
+    const audio = parseDataUri(body.clone_audio) ?? await input.runtime.media.read(body.clone_audio);
+    if (!audio.bytes.length || audio.bytes.length > MAX_AUDIO_BYTES)
+        throw new AiRuntimeError('invalid_media', '声音样本必须非空且不超过 10 MB');
+    const formats = { 'audio/wav': 'wav', 'audio/x-wav': 'wav', 'audio/wave': 'wav', 'audio/mpeg': 'mp3', 'audio/mp3': 'mp3', 'audio/ogg': 'ogg', 'audio/mp4': 'm4a', 'audio/x-m4a': 'm4a', 'audio/aac': 'aac' };
+    const format = formats[audio.mimeType];
+    if (!format)
+        throw new AiRuntimeError('invalid_media', '请上传 WAV、MP3、OGG、M4A 或 AAC 音频');
+    const payload = {
+        ...speakerBody(identity), audio: { data: toBase64(audio.bytes), format },
+        language: body.language ?? 0, extra_params: body.extra_params ?? {},
+        ...(typeof body.text === 'string' && body.text.trim() ? { text: body.text } : {}),
+    };
+    // Existing slots are never overwritten blindly (activation makes training unavailable).
+    if (existing) {
+        const current = await request(input, '/api/v3/tts/get_voice', speakerBody(identity));
+        if (current.speaker_id !== existing || ![0, 1, 2, 3, 4].includes(current.status)) {
+            throw new AiRuntimeError('invalid_response', '无法确认已有音色的训练状态');
+        }
+        if (current.status === 4 || current.status === 1 || current.available_training_times === 0) {
+            throw new AiRuntimeError('invalid_request', '该音色已锁定、正在训练或没有剩余训练次数，请选择其他音色');
+        }
+    }
+    try {
+        return parseResult(await request(input, '/api/v3/tts/voice_clone', payload), identity);
+    }
+    catch (error) {
+        // A connection loss after sending is ambiguous. Keep a queryable identity;
+        // never send a second training request to guess whether the first succeeded.
+        if (error instanceof AiRuntimeError && error.code === 'provider_network_error' && error.details?.submissionState === 'unknown') {
+            return { status: 'pending', url: '', taskId: taskId(identity), metadata: {
+                    submissionUnconfirmed: true,
+                    clonedVoice: { id: identity.speaker, name: identity.name, status: 'training', postpaid: identity.postpaid, activated: false },
+                } };
+        }
+        throw error;
+    }
+}
+export async function pollVoiceClone(input) {
+    const identity = decodeTask(input.taskId);
+    return pollUntilResult(input, async () => {
+        const result = parseResult(await request(input, '/api/v3/tts/get_voice', speakerBody(identity)), identity);
+        return result.status === 'pending' ? undefined : result;
+    });
+}

package/dist/types/runtime.d.ts

@@ -57,7 +57,10 @@ export interface AiRuntimeTrace {
 }
 export interface AiGenerateResponseDto {
     status: GenerateStatus;
+    /** 兼容字段：多个输出时用 `|||` 拼接；新代码请读 `urls`。 */
     url: string;
+    /** 全部输出地址，按供应商输出顺序（SDK 生成结果总会给出；宿主自建的 DTO 可省略）。 */
+    urls?: string[];
     filePath?: string;
     /** 宿主本次响应中新建的受管媒体；消费方完成转移后必须释放。 */
     createdFilePaths?: string[];

package/dist/upload/media-binary.js

@@ -42,6 +42,7 @@ export function inferMimeFromPath(filePath, mediaKind = 'unknown') {
         case 'webm': return 'video/webm';
         case 'mov': return 'video/quicktime';
         case 'mp3': return 'audio/mpeg';
+        case 'aac': return 'audio/aac';
         case 'm4a': return 'audio/mp4';
         case 'wav': return 'audio/wav';
         case 'flac': return 'audio/flac';

package/docs/consumers.md

@@ -3,7 +3,31 @@
 本清单是 `@henjicc/ai-sdk` 消费方的唯一维护入口，用于 SDK 发布后的跨仓升级协调。
 绝对路径仅描述当前开发机上的仓库位置，不进入 SDK 运行时代码、发布包或用户配置。
 
-最后核对日期：2026-09-24
+最后核对日期：2026-09-28
+
+同日后续修正：豆包入口改名“豆包语音 2.0”，补全 431 个官方系统音色并按系统/克隆音色选择 TTS/ICL 资源；克隆提交在宿主共享生成入口要求用户二次确认。仍为 0.9.0 未发布开发候选。下方 `9e52c4df` 的包哈希与全量门禁仅证明此前候选，不能作为本次修订包的发布证据；待用户测试并明确要求发布后重新执行适用发布门禁与打包。
+
+本次修正定向证据：9 个测试文件共 111 项通过，SDK/渲染层类型、SDK 可移植性、能力目录、模型 i18n 与局部 lint 通过；系统音色误路由到 ICL 的临时变异被测试拦截。正式 Electron `generation-voice-clone` 场景验证了系统音色列表、双模式、克隆提交确认和取消后零请求，已目视清晰截图，场景错误/警告为零。供应商调用仅在 IPC 边界使用受控替身，没有真实付费训练或激活。
+
+`0.9.0` 候选（发布源码 `9e52c4df`）：新增 Seed-ICL 2.0 V3 声音复刻、可恢复音色查询及首次正式合成费用确认，更新火山 TTS 公开字符价。SDK 86 文件 / 1050 项测试、可移植性、构建、固定候选包仓外 Node ESM／严格 TypeScript／56 个 Vite 入口和受限宿主通过；Henji-AI 相关 11 文件 / 45 项测试、类型、能力与界面静态检查通过。训练失败校验临时撤销时定向测试失败，恢复后通过。[发布源码必需 CI 36360451658](https://github.com/henjicc/Henji-AI/actions/runs/36360451658) 全部成功，普通测试 859 文件通过，另 1 文件按显式分层跳过。尚未执行真实付费训练或激活。按用户 2026-09-28 的新要求，本版本保持已接入痕迹AI、待用户测试状态；用户测试确认没问题并明确要求发版后才发布。此前 npm 401 仅为历史鉴权记录，恢复登录也不触发自动发布，不能声称已公开安装。
+
+- 最终候选 shasum：`f415cd32b1a650e2da550ea851fb8bb3cda06ccc`
+- 最终候选 integrity：`sha512-Amr2o5Yjz+W/lC6ZKWDBQhObpZ9nGhwY1vFTwmQJfQThorJ5dLQN/REU7Wpj1ETrsB8FrwKt/1yeGp9OxosqHw==`
+- Henji-AI workspace 已升级 `0.9.0`。说吧仓库经模型调用入口检查仅使用 ASR／翻译／LLM；三个示例不使用本次克隆能力，保持现有版本。Photoshop 不在本机，其已有清单只登记图片模型，未声称本轮实际验证或升级。
+- 迁移约束：非官方系统音色且非 `S_` 的后付费克隆音色正式合成需 `volcIclActivationConsent: true`；克隆成功可以没有试听 URL，使用 `metadata.clonedVoice` 保存音色，不能把它误报为音频生成失败。
+- 首发界面：正式 `test:reality --suite ui --only generation-voice-clone --size 1440x900 --build` 通过，实际 Electron 完成模型选择、模式切换、录音上传和更多设置开关，截图已目视检查；应用错误、警告和浏览器错误均为零。仅使用隔离资料与合成录音夹具，未提交生成。
+
+`0.8.0` 已发布：TTS 音色参数支持选择器，SDK 新增百炼 MiniMax / Qwen Audio / CosyVoice 与硅基流动 CosyVoice2 的账号音色查询。发布源码 `add89fea` 的必需 CI [36329516045](https://github.com/henjicc/Henji-AI/actions/runs/36329516045) 全部成功；SDK 85 文件 / 1036 项测试、可移植性、构建、56 个仓外 Vite 入口、受限宿主、Henji-AI Electron bundle 与宿主精确测试通过。MiniMax 错误码校验临时撤销后定向测试失败，恢复后通过；未执行付费生成。公共 npm 版本经隔离配置、缓存和令牌的仓外匿名安装，确认公开 `listTtsVoices` 与 registry integrity。Henji-AI 使用仓内 workspace `0.8.0`；现有外部消费者与三个示例未使用本次 TTS 音色查询，不机械升级。
+
+- `0.8.0` tarball：[公共 npm 包](https://registry.npmjs.org/@henjicc/ai-sdk/-/ai-sdk-0.8.0.tgz)
+- `0.8.0` shasum：`3361d472c10b7f41c40e26eb2d2c7a1965c0c9f2`
+- `0.8.0` integrity：`sha512-fruZHU2jwnMlo1tpQMR44G+YpIODTJVevB4BN9aup+Y/vlFHDANnBqIliUbSBvWASnSxM1h2AfIRXIlWtOxGFw==`
+
+`0.7.0` 已发布：新增 Fal、百炼、KIE、硅基流动和火山语音共 13 个 TTS 模型。发布源码 `9785e964` 的必需 CI [36316096650](https://github.com/henjicc/Henji-AI/actions/runs/36316096650) 全部成功；SDK 84 文件 / 1032 项测试、可移植性、打包、受限宿主、仓外 Vite 56 个入口与 Henji-AI Electron bundle / 宿主集成测试通过。火山截断帧校验撤销后定向测试失败、恢复后通过。固定候选包发布后，公共 npm 匿名安装和新供应商 pack 导入通过；未执行付费语音生成。Henji-AI 使用仓内 workspace `0.7.0`；现有外部消费者和三个示例未使用新增 TTS，不机械升级。
+
+- `0.7.0` tarball：[公共 npm 包](https://registry.npmjs.org/@henjicc/ai-sdk/-/ai-sdk-0.7.0.tgz)
+- `0.7.0` shasum：`d1a8e84d16ef4a02cf81d1318e7af9a3d1debdd0`
+- `0.7.0` integrity：`sha512-IP+0VChzt2XjNZjiG0/wtXkHWZOxciZcGA70q7wMhp7T9nw//OGlbnLSl6hvy1I3FrSZOl6qLXcgZtwriQWnrA==`
 
 `0.6.2` 已发布：聊天/翻译流终态、百炼/火山实时 ASR、共享会话终止与脱敏诊断已完成修复及撤销修复后的失败验证。SDK 83 文件 / 1023 项测试、可移植性、构建、49 个公开入口、严格类型和受限宿主门禁通过；Henji-AI 8 项相关宿主测试、主进程类型检查及 Electron bundle 通过。发布源码 `9e836def` 的必需 CI [35931001436](https://github.com/henjicc/Henji-AI/actions/runs/35931001436) 全部成功。固定候选包在仓外回装后发布，用户完成 npm 网页认证；待公共分发可读后，隔离配置、缓存与令牌的匿名重新安装通过，正式 tarball 和 lockfile integrity 与候选一致。Node ESM、严格 TypeScript、Vite 49 个公开入口、无 TextEncoder/TextDecoder 的受限宿主通过；llm-chat 类型构建、dry-run、bundle 边界及包内合法空事件/提前结束/后台故障与单次释放探针通过。本轮未执行真实付费模型请求。Henji-AI workspace 和 llm-chat 示例使用 `0.6.2`，minimal-node/form-renderer 保持 `0.6.0`。说吧仍为 `0.6.1`，本次未修改外部仓库，需在消费项目另行升级和验证；Photoshop 未在本机验证。
 
@@ -32,7 +56,7 @@
 
 Henji-AI 安装包的 GPT Image 2.5 高分辨率报错归属：宿主智能比例预处理曾忽略联动过滤，将 `smart` 转成 KIE 仅限 1K 的 `27:16`，SDK 在请求前正确拒绝。修复位于应用公共预处理，按当前分辨率/渠道的合法选项匹配；Flare/Sunburst 的 1K/2K/4K 及 APIMart、Grsai 同类筛选已有定向覆盖。无需放宽 SDK 契约或发布 SDK；安装包需随应用更新才包含修复，现有版本可手动选合法比例规避。
 
-当前仓内及公共 npm SDK：`0.6.2`（2026-09-24 已发布并完成公共匿名回装）。以下为历史发布证据。
+当前仓内 SDK：`0.9.0` 候选；公共 npm 最新已核实版本为 `0.8.0`（2026-09-27 已发布并完成公共匿名回装）。以下为历史发布证据。
 
 `0.5.2` 完善轻量 `@henjicc/ai-sdk/llm/streaming`：正式类型支持文本、JSON Object 与 JSON Schema，Chat Completions 的最终请求体写入 `response_format`，OpenAI 输出上限写入 `max_completion_tokens`；结构化输出、思考模式和模型能力的非法组合会在请求前返回结构化错误。流式正文与思考继续分离，保留外部 `AbortSignal`，不设置默认总时限；未显式配置输出上限时不再注入 4096，服务端以 `length` 等原因结束时返回 `truncated: true`。发布前 77 个测试文件 / 909 项测试、可移植性、构建、49 个 Vite 公开入口和受限宿主门禁通过；故意撤销结构化参数、输出上限、OpenAI 字段映射和截断标记后，8 项定向断言失败，恢复后通过。公共索引可读后，已使用隔离 npm 配置和缓存匿名安装精确版本，并从已发布的轻量入口验证最终请求体包含 JSON Schema、思考强度和 24,000 token 上限，SSE 正文/思考事件分离且未截断。
 
@@ -94,7 +118,7 @@ Henji-AI workspace 与三个仓内示例 manifest 均锁定 `0.4.0`；下表原
 
 | 仓库 / 开发路径 | 宿主类型 | 当前精确版本 | SDK 入口与构建方式 | 凭据 / transport 责任 | 需同步的变更类型 | 验证命令 | 同步证据与边界 | 最后核对 |
 |---|---|---|---|---|---|---|---|---|
-| `Henji-AI`<br>`D:/VibeCode/Henji-AI` | Electron 42 主进程 + React/Vite；SDK 主开发、首发验证宿主 | workspace 源码与公共 npm 均为 `0.6.2` | 包根、`provider-packs/*`、`tool-packs/*`；根构建先执行 `build:sdk`，再构建 Electron | Electron 主进程注入 HTTP transport、凭据、媒体读取、日志、trace、取消与落盘；渲染层不直接持有密钥 | 公共类型/目录、provider preset、凭据坐标、transport、媒体、包导出、LLM/生成执行协议 | SDK 发布门禁、相关宿主 Vitest、渲染层/主进程类型检查与模型 i18n | `9e836def`；必需 CI `35931001436` 成功，SDK 1023 项测试、8 项宿主测试、类型、Electron bundle、固定包及公共匿名回装验证通过；正式包完整性与候选一致 | 2026-09-24 |
+| `Henji-AI`<br>`D:/VibeCode/Henji-AI` | Electron 42 主进程 + React/Vite；SDK 主开发、首发验证宿主 | workspace `0.9.0` 候选；公共 npm `0.8.0` | 包根、`provider-packs/*`、`tool-packs/*`；根构建先执行 `build:sdk`，再构建 Electron | Electron 主进程注入 HTTP transport、凭据、媒体读取、日志、trace、取消与落盘；渲染层不直接持有密钥 | 公共类型/目录、provider preset、凭据坐标、transport、媒体、包导出、LLM/生成执行协议与音色查询 | SDK 发布门禁、相关宿主 Vitest、渲染层/主进程类型检查与模型 i18n | 本轮 1050 项 SDK、45 项宿主、类型与 Electron bundle 通过；固定候选包及克隆公开入口回装通过；新版本已通过功能提交 CI，公共发布待用户测试与明确发版指令 | 2026-09-28 |
 | `henji-ai-ps`<br>`/Users/henji/Documents/VibeCode/henji-ai-ps` | Photoshop UXP 插件 + React/Vite IIFE（pnpm） | manifest/lock 均精确锁定公共 npm `0.2.8`；lock integrity 与上方正式产物一致 | `generation/core`、单模型/供应商 pack、LLM streaming；Vite 构建与 UXP smoke bundle | UXP 宿主注入受限 `fetch`、provider 凭据、媒体编码读取和脱敏日志；SDK 不读取 Node/文件系统 | 生成 pack/exports、受限环境可移植性、RuntimeContext、凭据 scope、媒体与流式 LLM；不因版本同步自动引入 GLM | `pnpm typecheck:uxp-smoke && pnpm check:uxp-sdk && pnpm smoke:uxp:build && pnpm check:uxp-smoke`；完整 `pnpm check` | `e509716`；无用户 npm 凭据的 frozen lock 安装通过；Node 22 下四项门禁通过，正式产品仍仅 39 个 generation/erase packs，网络调用与受限环境风险均为 0 | 2026-08-31 |
 | `say-it`<br>`D:/VibeCode/说吧` | Tauri 2 + Rust 管理 QuickJS；WebView 不运行 SDK | manifest/lock 精确锁定公共 npm `0.6.1`；bundle 版本、resolved、shasum、integrity 一致 | 按需打包 capability、Bailian/火山实时 ASR、SiliconFlow/Groq 文件 ASR、translation、LLM modules 为相互隔离 IIFE；Rust 加载 bundle | Rust Host API 注入 HTTP 字节流、WS、media-ref、CredentialStore、日志/trace、Abort/timeout/cancel；QuickJS/插件/WebView 不直取密钥 | capability/LLM 协议、按需 exports、descriptor source/坐标、QuickJS 可移植性、bundle 隔离；不因版本同步自动增加未采用模型 | `npm run sdk-runtime:typecheck && npm run sdk-runtime:build`；`npm run test:ui`；Rust 定向/全量测试；`npm run ui:build` | `18bad6d`；QuickJS/WS 空中间帧回归及 35 项 SDK 宿主本地测试通过，runtime 类型检查通过；听写/历史/UI 定向回归与前端类型构建通过，桌面开发应用已重启，实际麦克风交互待用户验证 | 2026-09-24 |
 

package/docs/model-adaptation/Gemini-Omni-Flash/Gemini-Omni-Flash_APIMart.md

@@ -108,6 +108,7 @@ Google 官方 Gemini Omni Flash 全能多模态视频生成模型。支持文生
 
 - 本项目默认**绝对不显示**：`seed`、负面提示词。APIMart 这两条渠道都没有这两个字段。
 - **两条渠道差异极大**：官方渠道只有 720p、时长 3–10 秒、参考图最多 16 张、支持 `extend_from_task_id` 多轮编辑；Ext 渠道有 1080p/4k、时长只能 4/6/8/10、参考图只能 0/1/3 张、没有多轮编辑。产品入口可以合并，但渠道选择必须驱动参数显隐、校验、请求、轮询与计价，不能把两套契约混用。
+- `extend_from_task_id`（多轮延续）需要填供应商侧的上一次任务 ID，本应用界面不展示任务 ID、用户拿不到：当前**不注册、不下发**（界面计划 5.8，P-17）。以后要支持，应做成生成记录上的“继续编辑”动作，由应用自己带上任务 ID，而不是参数输入框。
 - Ext 渠道**不支持 2 张图的首尾帧**——这是与几乎所有其他视频模型都不同的限制，UI 必须挡住。
 - Ext 渠道传参考视频时**不能同时传 `duration`**。
 - 官方渠道传 `video_urls` 后 `aspect_ratio` 失效。

package/docs/model-adaptation/Gemini-Omni-Flash/Gemini-Omni-Flash_KIE.md

@@ -110,6 +110,7 @@
 
 - 本项目默认**绝对不显示**：`seed`、负面提示词。KIE 的 `gemini-omni-video` **有 `seed`**，必须主动不注册、不下发。
 - **这是一套三端点体系**，语音与角色是可复用资产（先创建拿 ID，再在视频里引用），需要独立的资产管理交互，不能塞进单次生成的参数面板。
+- 当前状态（界面计划 5.8，P-17）：应用还没有语音 / 角色资产的创建与管理入口，用户拿不到 `audio_ids` / `character_ids`，所以这两个字段**不注册、不下发**；参考图上限按“无视频 7 张、有视频 5 张”校验。
 - **image slot 是共享额度**（图片 1 / 角色 1 / 视频 2，总计 7），前端计数必须统一。
 - `duration` 是**字符串**且只有 4/6/8/10；**有视频输入时该参数静默失效**。
 - **按次计费**：720p 与 1080p 同价，4k 更贵；有视频输入时价格固定且明显更高。

package/docs/model-adaptation/README.md

@@ -5,22 +5,26 @@
 
 | 项目 | 内容 |
 |---|---|
-| 最后更新 | 2026-09-27 |
+| 最后更新 | 2026-09-28 |
 | 模型数量 | 生成主清单 20（图片 11 / 视频 9）+ 主清单外存量 12 + SDK 跨项目能力模型 20（ASR 15 / 翻译 3 / LLM 2） |
 | 模型供应商文档数量 | 生成/存量 84 + SDK 跨项目能力 20（另有 Fal 工具 12） |
 | 覆盖供应商 | 火山引擎（官方生成/ASR）、百炼（官方）、硅基流动（官方 ASR）、智谱（官方 LLM）、Groq（官方 LLM/ASR）、APIMart、KIE、Fal、派欧云、魔搭、Grsai |
 
-另有 12 个按能力按需分发的 Fal 图像工具，不进入默认 124 模型兼容目录：
+另有 12 个按能力按需分发的 Fal 图像工具，不进入默认 124 模型兼容目录：
 
 - 消除：[Flux Pro Erase](Flux-Pro-Erase/Flux-Pro-Erase_Fal.md)、[Bria Eraser](Bria-Eraser/Bria-Eraser_Fal.md)、[Finegrain Eraser](Finegrain-Eraser/Finegrain-Eraser_Fal.md)。
 - 图片实用工具：[Image Apps v2 重打光](Image-Apps-v2-重打光/Image-Apps-v2-重打光_Fal.md)、[ControlLight](ControlLight/ControlLight_Fal.md)、[Image Apps v2 扩图](Image-Apps-v2-扩图/Image-Apps-v2-扩图_Fal.md)、[Image Apps v2 商品摄影](Image-Apps-v2-商品摄影/Image-Apps-v2-商品摄影_Fal.md)、[Image Apps v2 照片修复](Image-Apps-v2-照片修复/Image-Apps-v2-照片修复_Fal.md)、[Pixelcut 背景移除](Pixelcut-背景移除/Pixelcut-背景移除_Fal.md)。
 - 多角度：[Qwen Image Edit 2511 多角度](Qwen-Image-Edit-2511-多角度/Qwen-Image-Edit-2511-多角度_Fal.md)、[透视变换](透视变换/透视变换_Fal.md)、[FLUX 2 多角度](FLUX-2-多角度/FLUX-2-多角度_Fal.md)。
 
-工具均复用 Fal 队列、上传与结果解析；它们是独立的按需 SDK 入口，不是新的执行内核。Henji-AI 运行客户端显式装载三个 pack，但普通模型选择器为 124 个默认模型：六个图片实用工具通过图片能力菜单创建固定模型节点，三个多角度工具由专用多角度节点选择，消除工具保留给后续遮罩能力接入。真实质量、延迟和账单仍待获得付费授权后验证。
-
-## 2026-09-27 TTS 适配
-
-[TTS 多供应商适配契约](TTS-多供应商-2026-09.md)：新增 13 个文字转语音模型，覆盖 Fal、百炼、KIE、硅基流动与火山语音；派欧云 MiniMax Speech 2.8 继续使用已有接入。记录官方接口、价格、音色前提、流式响应和测试样本来源。
+工具均复用 Fal 队列、上传与结果解析；它们是独立的按需 SDK 入口，不是新的执行内核。Henji-AI 运行客户端显式装载三个 pack，但普通模型选择器为 124 个默认模型：六个图片实用工具通过图片能力菜单创建固定模型节点，三个多角度工具由专用多角度节点选择，消除工具保留给后续遮罩能力接入。真实质量、延迟和账单仍待获得付费授权后验证。
+
+## 2026-09-27 TTS 适配
+
+2026-09-28：[豆包语音 2.0](Seed-ICL-2.0/Seed-ICL-2.0_火山引擎.md) 提供语音合成 / 克隆声音两模式，内置官方 431 个系统音色，并按系统/克隆音色选择 TTS/ICL 资源。接入官方 V3 训练与查询、自动后付费音色编号、克隆提交费用二次确认、试听和首次合成费用确认；Seed-TTS / ICL 2.0 公开价格更新为 3 元/万字符。
+
+[TTS 多供应商适配契约](TTS-多供应商-2026-09.md)：新增 13 个文字转语音模型，覆盖 Fal、百炼、KIE、硅基流动与火山语音；派欧云 MiniMax Speech 2.8 继续使用已有接入。记录官方接口、价格、音色前提、流式响应和测试样本来源。
+
+2026-09-27 补充官方音色目录及账号查询接口：Qwen Audio 3.1、Seed-TTS 2.0 使用核对后的预置清单；百炼 MiniMax / Qwen / CosyVoice 与硅基流动 CosyVoice2 支持按账号查询可用音色。接口字段、适用模型和不可查询渠道的边界见上方契约。
 
 ## 2026-09-24 已适配更新
 

package/docs/model-adaptation/Seed-ICL-2.0/Seed-ICL-2.0_/347/201/253/345/261/261/345/274/225/346/223/216.md

@@ -0,0 +1,65 @@
+# Seed-ICL 2.0 · 火山引擎
+
+最后更新：2026-09-28。官方文档公开可读；控制台、实际 API 需要账号与权限。
+
+## 产品与接入
+
+同一 Seed-ICL 2.0 模型提供“语音合成”和“克隆声音”模式；已有模型 ID 与语音密钥槽保持兼容。界面按火山引擎品牌归组，方舟和豆包语音分别配置凭据。
+
+新接入采用 V3：`POST https://openspeech.bytedance.com/api/v3/tts/voice_clone` 训练，`POST /api/v3/tts/get_voice` 查询，`POST /api/v3/tts/unidirectional` 合成。训练、查询使用 `X-Api-Key`、UUID `X-Api-Request-Id` 和 JSON Content-Type；合成还带 `X-Api-Resource-Id: seed-icl-2.0`。旧 V1 训练不再迭代，不复用旧协议。
+
+## 输入
+
+- 预付费音色传已有 `speaker_id`；后付费传 `speaker_id: custom_speaker_id` 和唯一的 `custom_speaker_id`。应用自动生成后者，无需手填。
+- 自定义代号长 8–256，仅字母、数字、横线、下划线；字母开头，不以横线/下划线结尾，不使用官方保留前后缀。SDK 自动值使用 `henji` 加 UUID。
+- `audio.data` 为 Base64 原始字节，单文件不超过 10 MB；支持 wav/mp3/ogg/m4a/aac/pcm，PCM 仅 24k 单声道。应用上传复用受管文件，SDK 通过媒体读取器取字节，直接发官方 JSON 接口，不要求公网 URL。应用优先接受可识别容器格式，不接受没有采样元信息的裸 PCM。
+- `audio.format` 总是显式填写（文档字段标必填，正文又说部分格式可省略，显式传递满足两者）。可选 `text` 是录音原文。
+- `language` 数字枚举 0–17、19–21；默认 0 中文。
+- `extra_params.demo_text` 为试听文本，4–300 字，语言应匹配录音；`enable_audio_denoise` 默认 false；`disable_volume_normalization` 默认 false。
+- 合成用真实音色代号作为 `req_params.speaker`，`model: seed-tts-2.0-standard`。
+
+## 状态、错误与恢复
+
+| 状态 | 响应约束 | 行为 | 终态 |
+|---|---|---|---|
+| 0 NotFound | `speaker_id` 字符串、`status` 整数 | 未训练/找不到音色，明确报错 | 是 |
+| 1 Training | 同上 | 保留任务身份，只查询同一个音色 | 否 |
+| 2 Success | 同上；`speaker_status[]` 中 `model_type=5` 对应复刻 2.0，`demo_audio` 为可选试听 URL | 音色可用，保存到音色库；有试听则返回试听 | 是 |
+| 3 Failed | 同上，可选 message | 明确训练失败 | 是 |
+| 4 Active | 同上 | 音色可合成，已激活不可再训练 | 是 |
+| HTTP 失败 / 非成功 code | 可带 `code/message` | 报供应商错误，不把错误当成空音色或成功 | 是 |
+| 缺失/非法 speaker_id 或 status | 不符合字段表 | 拒绝响应 | 是 |
+
+官方字面成功响应没有 `code`，不能强制要求 code 存在。成功必须同时具备有效音色与合法状态；不因为 HTTP 200 就判成功。`available_training_times/create_time/language` 可选；试听 URL 有效一小时，不作为永久音色身份。
+
+训练没有公开幂等保证，不自动重放；取消只终止本地等待，不能声称撤销远端训练。任务身份包含音色代号和名称，继续/恢复只调用查询接口。训练响应为处理中时返回 pending；提交后网络结果不确定时保留可查询身份并标记 submissionUnconfirmed，不假定已训练成功。查询复用现有轮询，正常处理中持续等待，取消或明确终态结束，连续查询失败最多 20 次。未知状态、空响应不会当成成功。官方未说明乱序、重复、远端取消、连接复用保证。普通 HTTP 由 transport 管理，响应完整消费，轮询计时器在取消时释放。
+
+## 费用
+
+公开刊例：Seed-TTS 2.0 / Seed-ICL 2.0 后付费合成均为 **3 元/万字符**；资源包另有折扣。后付费克隆音色 **138 元/音色**，首次正式语音合成时收费并固定音色；训练试听按复刻 2.0 字符费收取，七天未正式调用会删除。预付费槽位按购买数量分档，基础档 138 元/音色，每槽位可训练 15 次。客户端不自动购买或激活槽位。训练与正式合成必须分别显示其费用后果，不把训练试听当成免费，不把槽位费用隐藏在字符估价里。
+
+## 音色列表
+
+2026-09-28 复核：产品入口命名为“豆包语音 2.0”，语音合成模式同时提供系统音色和本地克隆音色。官方在线音色表的两个“豆包语音合成模型2.0”章节共 431 个去重音色（包含 `ICL_uranus_*` 命名的官方系统音色）；不采集后续 S2S 专用与 1.0 章节。旧清单 230 个漏掉了大小写不同的 ID，本次补齐。系统音色必须使用 `seed-tts-2.0` 资源；用户克隆音色使用 `seed-icl-2.0`，不能根据 ID 是否以 ICL 开头推断为收费克隆音色。
+
+官方确有控制面 `ListSpeakers`（2025-05-20）接口，`ResourceIDs: ["seed-tts-2.0"]`、Page、Limit；响应 Speakers 包含 VoiceType、Name 等。官方示例要求 `Authorization: HMAC-SHA256` AK/SK 签名，并非当前配置的语音 `X-Api-Key`。因此本次使用官方文档内置列表，不要求用户为音色选择额外配置控制面凭据。
+
+克隆提交前宿主必须弹出费用二次确认：训练试听 3 元/万字符，新建后付费音色首次正式合成另收 138 元且锁定，7 天未正式使用会删除；使用已有预付费音色会覆盖旧效果并消耗训练次数。取消、关闭或任务中止均不上传样本、不发训练请求；确认仅对本次提交有效。
+
+新版按 ID 查询不提供目录。控制面分页接口 `BatchListMegaTTSTrainStatus`（2025-05-21）要求 ProjectName，官方示例使用 HMAC AK/SK；本次不假定语音 Key 能代替控制面签名。已有槽位可导入一次，应用自动保存之后无需重复输入；新建后付费音色自动产生 ID。本地记录与语音密钥的 provider 隔离，不能混入方舟或派欧云音色。
+
+## Fixture
+
+`tests/fixtures/volcengine-speech/voice-clone.json` 保存训练/查询页面嵌入 API 示例的原样成功响应（仅替换 ID/URL 为不可联网值），以及字段表构造的各状态。负例由测试单独构造。验收覆盖无 code 的官方响应、训练→成功、错误、缺失字段、超限音频、取消与不重放。
+
+## 原始链接
+
+- [系统音色表](https://docs.volcengine.com/docs/DoubaoVoice/Tonelist-1?lang=zh)：2.0 中文与外语章节；公开。
+- [ListSpeakers](https://www.volcengine.com/docs/6561/2160690)：系统音色分页、资源筛选、HMAC 签名示例；公开。
+- [V3 训练](https://docs.volcengine.com/docs/DoubaoVoice/tone-training-http?lang=zh)：请求、状态、后付费 ID 规则；公开。
+- [V3 查询](https://docs.volcengine.com/docs/DoubaoVoice/tone-query-http?lang=zh)：状态、试听有效期；公开。
+- [合成](https://docs.volcengine.com/docs/DoubaoVoice/unidirectional-streaming-text-to-speech-http?lang=zh)：合成请求；公开。
+- [购买与使用](https://docs.volcengine.com/docs/DoubaoVoice/Soundreplicationorderingandusageguide?lang=zh)：激活、训练次数、有效期；公开。
+- [价格](https://docs.volcengine.com/docs/DoubaoVoice/Billinginstructions-21?lang=zh)：正式后付费、槽位与试听计费；公开。
+- [分页音色查询](https://www.volcengine.com/docs/6561/1801953)：控制面签名、项目与分页；公开。
+- [错误](https://www.volcengine.com/docs/6561/2534853)：供应商错误码；公开。