@henjicc/ai-sdk 0.8.0 → 0.10.0

package/docs/model-adaptation/Seedream-5.0-Pro/Seedream-5.0-Pro_/347/201/253/345/261/261/345/274/225/346/223/216.md

@@ -1,137 +1,137 @@
-# Seedream 5.0 Pro · 火山引擎（火山方舟，官方）
-
-| 项目 | 内容 |
-|---|---|
-| 最后更新 | 2026-08-30 |
-| 模态 | 图片 |
-| 供应商 | 火山引擎 · 火山方舟（Ark），模型原厂官方接口 |
-| 平台模型 ID | `doubao-seedream-5-0-pro-260628`（也可用推理接入点 Endpoint ID 调用） |
-| 接口形态 | **同步**（一次 POST 直接返回图片），可选流式（本模型不支持流式） |
-| 文档可见性 | 公开，无需登录即可阅读；调用需 API Key |
-| 价格可见性 | 公开，无需登录 |
-| 官方文档最后更新 | 2026-08-12（文档站 `UpdatedTime`） |
-
-## 1. 接入协议
-
-- **接口**：`POST https://ark.cn-beijing.volces.com/api/v3/images/generations`
-- **鉴权**：`Authorization: Bearer $ARK_API_KEY`（长效 API Key，在方舟控制台「API Key 管理」获取）
-- **调用方式**：同步返回，无任务轮询。请求体 `Content-Type: application/json`
-- **结果时效**：`response_format=url` 时返回的图片链接 **24 小时内有效**，必须及时转存
-
-最小请求：
-
-```bash
-curl https://ark.cn-beijing.volces.com/api/v3/images/generations \
-  -H "Content-Type: application/json" \
-  -H "Authorization: Bearer $ARK_API_KEY" \
-  -d '{
-    "model": "doubao-seedream-5-0-pro-260628",
-    "prompt": "赛博朋克风格的城市夜景，霓虹灯反射在湿润街道上",
-    "size": "2K"
-  }'
-```
-
-## 2. 能力清单（官方明确列出，勿遗漏）
-
-| 能力 | 说明 | 触发方式 |
-|---|---|---|
-| 文生图 | 纯提示词生成单张图 | 不传 `image` |
-| 单图生图 | 1 张参考图 + 提示词 | `image` 传 1 张 |
-| 多图生图 | 2–10 张参考图 + 提示词，生成单张 | `image` 传数组，2–10 张 |
-| 交互编辑 | 提示词中用坐标 / 框选 / 箭头指定编辑位置 | 在 `prompt` 中写 `<point>`/`<bbox>` 或上传带手绘标记的图 |
-| 图层拆分 | 单图拆成 1 张底图 + 最多 16 个透明 PNG 图层，返回层序/名称/描述/边界框 | `layer_decomposition: true` + 恰好 1 张 `image` |
-
-**Pro 明确不支持**：组图生成（`sequential_image_generation`）、联网搜索（`tools`）、流式输出（`stream`）。这三项只属于 Seedream 5.0 lite / 4.5 / 4.0。
-
-## 3. 请求参数（Body）
-
-| 字段 | 类型 | 必填 | 默认 | 取值与说明 |
-|---|---|---|---|---|
-| `model` | string | 必选 | — | `doubao-seedream-5-0-pro-260628`，或推理接入点 Endpoint ID |
-| `prompt` | string | 图片生成场景必选；图层拆分场景可选 | — | 生成描述或拆分意图。支持中英文，Pro 额外支持俄/阿/菲/泰/土/韩/马来/西/葡/印尼/法/德/越/日语。建议中文 ≤ 300 字、英文 ≤ 600 词。图层拆分不传时模型自动识别全部主要元素 |
-| `image` | string / string[] | 图片生成可选；图层拆分必选 | — | 参考图，URL 或 `data:image/<格式小写>;base64,<编码>`。Pro **最多 10 张** |
-| `layer_decomposition` | boolean | 可选 | `false` | 图层拆分开关。`true` 时仅支持单张输入图；任一图层失败则整体报错，不支持部分成功 |
-| `size` | string | 可选 | 生成场景 `2K`；图层拆分场景 `auto` | 见下方「size 取值」 |
-| `optimize_prompt_options` | object | 可选 | `{"mode":"standard"}` | `mode`：`standard`（质量优先）/ `fast`（低时延） |
-| `output_format` | string | 可选 | `jpeg` | `png` / `jpeg`。图层拆分时仅控制**底图**格式，图层恒为 PNG |
-| `background` | string | 可选 | `opaque` | `opaque` / `transparent`。透明背景仅支持图生图，且只能传 **1 张本身带透明通道**的图；此时输出默认 png，若同时设 `output_format: jpeg` 会报错 |
-| `response_format` | string | 可选 | `url` | `url`（24 小时有效）/ `b64_json` |
-| `watermark` | boolean | 可选 | **`true`** | 是否在右下角加「AI 生成」水印。注意官方默认是 `true`，接入时通常要显式传 `false` |
-| `sequential_image_generation` | string | — | — | **Pro 不支持**，仅 lite / 4.5 / 4.0 |
-| `sequential_image_generation_options` | object | — | — | **Pro 不支持** |
-| `stream` | boolean | — | — | **Pro 不支持** |
-| `tools` | object[] | — | — | **Pro 不支持**（`web_search` 仅 lite 支持） |
-
-### size 取值
-
-**图片生成场景**，两种写法不可混用：
-
-- 方式 1（推荐）：分辨率档位 `1K` / `1.5K` / `2K`，默认 `2K`；宽高比在 prompt 中用自然语言描述，由模型判断。**`1.5K` 与 `1K` 同价且效果更好**。
-- 方式 2：精确像素 `宽x高`。总像素范围 `[921600 (1280×720), 4624220 (2048×2048×1.1025)]`，宽高比范围 `[1/16, 16]`；两个条件需同时满足。有效示例 `2048x1024`；无效示例 `512x512`（总像素不足）。
-
-档位 → 常见宽高像素映射（官方给出的参考值，非穷举）：
-
-| 分辨率 | 1:1 | 4:3 | 3:4 | 16:9 | 9:16 | 3:2 | 2:3 | 21:9 |
-|---|---|---|---|---|---|---|---|---|
-| 1K | 1024×1024 | 1152×864 | 864×1152 | 1424×800 | 800×1424 | 1248×832 | 832×1248 | 1568×672 |
-| 1.5K | 1536×1536 | 1792×1344 | 1344×1792 | 2048×1152 | 1152×2048 | 1872×1248 | 1248×1872 | 2352×1008 |
-| 2K | 2048×2048 | 2368×1776 | 1776×2368 | 2816×1584 | 1584×2816 | 2496×1664 | 1664×2496 | 3136×1344 |
-
-**图层拆分场景**：只支持档位写法，可选 `1K` / `1.5K` / `2K` / `auto`（默认 `auto`）。底图分辨率与 `size` 一致且保持原图宽高比；各图层分辨率接近 `size`，各自保持在原图中的宽高比。`auto` 规则：原始尺寸落在 `[921600, 4624220]` 内按原尺寸输出；小于 1K 按 1K；大于 2K 按 2K。
-
-### 输入图片限制
-
-- 图片生成场景：格式 jpeg/png/webp/bmp/tiff/gif/heic/heif；宽高比 `[1/16, 16]`；单边 > 14 px；≤ 30 MB；总像素 `[196, 36000000]`
-- 图层拆分场景：格式仅 png/jpeg；宽高比 `[1/16, 16]`；≤ 30 MB；总像素 `[262144 (512×512), 36000000]`
-
-## 4. 响应结构
-
-顶层：`created`（Unix 秒）、`model`、`data[]`、`error`、`tools[]`、`usage`。
-
-`data[]` 公共字段：`url`（`response_format=url` 时）、`b64_json`（`response_format=b64_json` 时）、`size`（`<宽>x<高>`）、`output_format`。
-
-**图层拆分场景** `data[]` 额外返回：
-
-| 字段 | 说明 |
-|---|---|
-| `z_index` | 叠放顺序。底图固定 `0`，图层从 `1` 递增，越大越靠上 |
-| `name` | 模型自动生成的图层名称/标签 |
-| `description` | 图层的语义描述（颜色、状态、材质等） |
-| `bounding_box.absolute` | `[left, top, right, bottom]` 绝对像素坐标，底图左上角为 `(0,0)`。还原：`x=left`、`y=top`、`w=right-left`、`h=bottom-top` |
-| `bounding_box.normalized` | 同格式，归一化到 `[0, 1000]` 整数。还原到 `W×H` 画布：`x=left/1000×W`、`w=(right-left)/1000×W`，依此类推 |
-
-底图覆盖整张画布，不返回 `bounding_box`。多图层按 `z_index` 从小到大叠放。
-
-## 5. 价格（官方，人民币）
-
-来源：火山方舟「模型价格」文档（`DocumentID=1544106`，更新于 2026-08-20）。
-
-| 模型 | 输入图 | 输出 |
-|---|---|---|
-| `doubao-seedream-5-0-pro` | 首张免费，第 2 张起 **0.02 元/张** | **单图生成**：≤ 261 万像素（1.5K 及以下）**0.30 元/张**；> 261 万像素（1.5K 以上）**0.60 元/张**<br>**图层拆分**：≤ 261 万像素 **0.15 元/张**；> 261 万像素 **0.30 元/张** |
-
-计费提醒（官方原文）：图层拆分场景，同一次请求输出的图层可能分别落在不同像素档位，**按每个图层实际像素档位单独计费**。
-
-## 6. 适配要点
-
-- 本项目默认**绝对不显示**的参数：随机种子 `seed`、负面提示词。官方本接口本身也没有 `seed` / 负面提示词字段。
-- `watermark` 官方默认 `true`，与本项目预期相反，**必须显式传 `false`**。
-- `output_format` 按项目约定默认不显示、不请求。
-- 普通生成与图层拆分的返回结构不同（图层拆分返回一组图 + 层信息），不能按单图 URL 直接解析，需作为独立能力分支处理。
-- 图层拆分在提交前无法知道模型最终会输出多少层，且各层可能落入不同像素档位；价格面板不能把“单层价格”冒充确定总价，图层模式应显示为暂不可估算，并在说明中保留 **0.15 / 0.30 元每输出图层**的官方单位价。
-- 价格计算依赖参考图数量时，必须同时识别生成提交、画布和对话/工具面板的三套媒体字段，避免空的本地路径数组遮蔽实时图片数组。
-- Pro 为单图模型，不要下发 `n`、`sequential_image_generation`、`stream`、`tools`。
-- 官方限流：模型列表文档标注 Pro 的限流值为 500（单位见官方页面）。
-
-## 7. 原始链接索引
-
-| 信息 | 链接 | 是否需登录 |
-|---|---|---|
-| 图片生成 API（参数、能力、响应全量） | https://console.volcengine.com/ark/region:cn-beijing/docs/82379/1541523?lang=zh | 否（正文公开；调用需 API Key） |
-| 同一文档的公开镜像 | https://www.volcengine.com/docs/82379/1541523 | 否 |
-| 文档正文 JSON（含 Markdown 全文与更新时间） | https://docs.volcengine.com/api/doc/getDocDetail?LibraryID=82379&DocumentID=1541523&type=online | 否 |
-| 模型价格 | https://www.volcengine.com/docs/82379/1544106 | 否 |
-| 模型列表（Model ID、限流、支持能力） | https://www.volcengine.com/docs/82379/1330310 | 否 |
-| Base URL 及鉴权 | https://docs.volcengine.com/docs/82379/1298459 | 否 |
-| Seedream 4.0–5.0 提示词指南 | https://www.volcengine.com/docs/82379/1829186 | 否 |
-| API Key 管理 | https://console.volcengine.com/ark/region:cn-beijing/apiKey | **是** |
+# Seedream 5.0 Pro · 火山引擎（火山方舟，官方）
+
+| 项目 | 内容 |
+|---|---|
+| 最后更新 | 2026-08-30 |
+| 模态 | 图片 |
+| 供应商 | 火山引擎 · 火山方舟（Ark），模型原厂官方接口 |
+| 平台模型 ID | `doubao-seedream-5-0-pro-260628`（也可用推理接入点 Endpoint ID 调用） |
+| 接口形态 | **同步**（一次 POST 直接返回图片），可选流式（本模型不支持流式） |
+| 文档可见性 | 公开，无需登录即可阅读；调用需 API Key |
+| 价格可见性 | 公开，无需登录 |
+| 官方文档最后更新 | 2026-08-12（文档站 `UpdatedTime`） |
+
+## 1. 接入协议
+
+- **接口**：`POST https://ark.cn-beijing.volces.com/api/v3/images/generations`
+- **鉴权**：`Authorization: Bearer $ARK_API_KEY`（长效 API Key，在方舟控制台「API Key 管理」获取）
+- **调用方式**：同步返回，无任务轮询。请求体 `Content-Type: application/json`
+- **结果时效**：`response_format=url` 时返回的图片链接 **24 小时内有效**，必须及时转存
+
+最小请求：
+
+```bash
+curl https://ark.cn-beijing.volces.com/api/v3/images/generations \
+  -H "Content-Type: application/json" \
+  -H "Authorization: Bearer $ARK_API_KEY" \
+  -d '{
+    "model": "doubao-seedream-5-0-pro-260628",
+    "prompt": "赛博朋克风格的城市夜景，霓虹灯反射在湿润街道上",
+    "size": "2K"
+  }'
+```
+
+## 2. 能力清单（官方明确列出，勿遗漏）
+
+| 能力 | 说明 | 触发方式 |
+|---|---|---|
+| 文生图 | 纯提示词生成单张图 | 不传 `image` |
+| 单图生图 | 1 张参考图 + 提示词 | `image` 传 1 张 |
+| 多图生图 | 2–10 张参考图 + 提示词，生成单张 | `image` 传数组，2–10 张 |
+| 交互编辑 | 提示词中用坐标 / 框选 / 箭头指定编辑位置 | 在 `prompt` 中写 `<point>`/`<bbox>` 或上传带手绘标记的图 |
+| 图层拆分 | 单图拆成 1 张底图 + 最多 16 个透明 PNG 图层，返回层序/名称/描述/边界框 | `layer_decomposition: true` + 恰好 1 张 `image` |
+
+**Pro 明确不支持**：组图生成（`sequential_image_generation`）、联网搜索（`tools`）、流式输出（`stream`）。这三项只属于 Seedream 5.0 lite / 4.5 / 4.0。
+
+## 3. 请求参数（Body）
+
+| 字段 | 类型 | 必填 | 默认 | 取值与说明 |
+|---|---|---|---|---|
+| `model` | string | 必选 | — | `doubao-seedream-5-0-pro-260628`，或推理接入点 Endpoint ID |
+| `prompt` | string | 图片生成场景必选；图层拆分场景可选 | — | 生成描述或拆分意图。支持中英文，Pro 额外支持俄/阿/菲/泰/土/韩/马来/西/葡/印尼/法/德/越/日语。建议中文 ≤ 300 字、英文 ≤ 600 词。图层拆分不传时模型自动识别全部主要元素 |
+| `image` | string / string[] | 图片生成可选；图层拆分必选 | — | 参考图，URL 或 `data:image/<格式小写>;base64,<编码>`。Pro **最多 10 张** |
+| `layer_decomposition` | boolean | 可选 | `false` | 图层拆分开关。`true` 时仅支持单张输入图；任一图层失败则整体报错，不支持部分成功 |
+| `size` | string | 可选 | 生成场景 `2K`；图层拆分场景 `auto` | 见下方「size 取值」 |
+| `optimize_prompt_options` | object | 可选 | `{"mode":"standard"}` | `mode`：`standard`（质量优先）/ `fast`（低时延） |
+| `output_format` | string | 可选 | `jpeg` | `png` / `jpeg`。图层拆分时仅控制**底图**格式，图层恒为 PNG |
+| `background` | string | 可选 | `opaque` | `opaque` / `transparent`。透明背景仅支持图生图，且只能传 **1 张本身带透明通道**的图；此时输出默认 png，若同时设 `output_format: jpeg` 会报错 |
+| `response_format` | string | 可选 | `url` | `url`（24 小时有效）/ `b64_json` |
+| `watermark` | boolean | 可选 | **`true`** | 是否在右下角加「AI 生成」水印。注意官方默认是 `true`，接入时通常要显式传 `false` |
+| `sequential_image_generation` | string | — | — | **Pro 不支持**，仅 lite / 4.5 / 4.0 |
+| `sequential_image_generation_options` | object | — | — | **Pro 不支持** |
+| `stream` | boolean | — | — | **Pro 不支持** |
+| `tools` | object[] | — | — | **Pro 不支持**（`web_search` 仅 lite 支持） |
+
+### size 取值
+
+**图片生成场景**，两种写法不可混用：
+
+- 方式 1（推荐）：分辨率档位 `1K` / `1.5K` / `2K`，默认 `2K`；宽高比在 prompt 中用自然语言描述，由模型判断。**`1.5K` 与 `1K` 同价且效果更好**。
+- 方式 2：精确像素 `宽x高`。总像素范围 `[921600 (1280×720), 4624220 (2048×2048×1.1025)]`，宽高比范围 `[1/16, 16]`；两个条件需同时满足。有效示例 `2048x1024`；无效示例 `512x512`（总像素不足）。
+
+档位 → 常见宽高像素映射（官方给出的参考值，非穷举）：
+
+| 分辨率 | 1:1 | 4:3 | 3:4 | 16:9 | 9:16 | 3:2 | 2:3 | 21:9 |
+|---|---|---|---|---|---|---|---|---|
+| 1K | 1024×1024 | 1152×864 | 864×1152 | 1424×800 | 800×1424 | 1248×832 | 832×1248 | 1568×672 |
+| 1.5K | 1536×1536 | 1792×1344 | 1344×1792 | 2048×1152 | 1152×2048 | 1872×1248 | 1248×1872 | 2352×1008 |
+| 2K | 2048×2048 | 2368×1776 | 1776×2368 | 2816×1584 | 1584×2816 | 2496×1664 | 1664×2496 | 3136×1344 |
+
+**图层拆分场景**：只支持档位写法，可选 `1K` / `1.5K` / `2K` / `auto`（默认 `auto`）。底图分辨率与 `size` 一致且保持原图宽高比；各图层分辨率接近 `size`，各自保持在原图中的宽高比。`auto` 规则：原始尺寸落在 `[921600, 4624220]` 内按原尺寸输出；小于 1K 按 1K；大于 2K 按 2K。
+
+### 输入图片限制
+
+- 图片生成场景：格式 jpeg/png/webp/bmp/tiff/gif/heic/heif；宽高比 `[1/16, 16]`；单边 > 14 px；≤ 30 MB；总像素 `[196, 36000000]`
+- 图层拆分场景：格式仅 png/jpeg；宽高比 `[1/16, 16]`；≤ 30 MB；总像素 `[262144 (512×512), 36000000]`
+
+## 4. 响应结构
+
+顶层：`created`（Unix 秒）、`model`、`data[]`、`error`、`tools[]`、`usage`。
+
+`data[]` 公共字段：`url`（`response_format=url` 时）、`b64_json`（`response_format=b64_json` 时）、`size`（`<宽>x<高>`）、`output_format`。
+
+**图层拆分场景** `data[]` 额外返回：
+
+| 字段 | 说明 |
+|---|---|
+| `z_index` | 叠放顺序。底图固定 `0`，图层从 `1` 递增，越大越靠上 |
+| `name` | 模型自动生成的图层名称/标签 |
+| `description` | 图层的语义描述（颜色、状态、材质等） |
+| `bounding_box.absolute` | `[left, top, right, bottom]` 绝对像素坐标，底图左上角为 `(0,0)`。还原：`x=left`、`y=top`、`w=right-left`、`h=bottom-top` |
+| `bounding_box.normalized` | 同格式，归一化到 `[0, 1000]` 整数。还原到 `W×H` 画布：`x=left/1000×W`、`w=(right-left)/1000×W`，依此类推 |
+
+底图覆盖整张画布，不返回 `bounding_box`。多图层按 `z_index` 从小到大叠放。
+
+## 5. 价格（官方，人民币）
+
+来源：火山方舟「模型价格」文档（`DocumentID=1544106`，更新于 2026-08-20）。
+
+| 模型 | 输入图 | 输出 |
+|---|---|---|
+| `doubao-seedream-5-0-pro` | 首张免费，第 2 张起 **0.02 元/张** | **单图生成**：≤ 261 万像素（1.5K 及以下）**0.30 元/张**；> 261 万像素（1.5K 以上）**0.60 元/张**<br>**图层拆分**：≤ 261 万像素 **0.15 元/张**；> 261 万像素 **0.30 元/张** |
+
+计费提醒（官方原文）：图层拆分场景，同一次请求输出的图层可能分别落在不同像素档位，**按每个图层实际像素档位单独计费**。
+
+## 6. 适配要点
+
+- 本项目默认**绝对不显示**的参数：随机种子 `seed`、负面提示词。官方本接口本身也没有 `seed` / 负面提示词字段。
+- `watermark` 官方默认 `true`，与本项目预期相反，**必须显式传 `false`**。
+- `output_format` 按项目约定默认不显示、不请求。
+- 普通生成与图层拆分的返回结构不同（图层拆分返回一组图 + 层信息），不能按单图 URL 直接解析，需作为独立能力分支处理。
+- 图层拆分在提交前无法知道模型最终会输出多少层，且各层可能落入不同像素档位；价格面板不能把“单层价格”冒充确定总价，图层模式应显示为暂不可估算，并在说明中保留 **0.15 / 0.30 元每输出图层**的官方单位价。
+- 价格计算依赖参考图数量时，必须同时识别生成提交、画布和对话/工具面板的三套媒体字段，避免空的本地路径数组遮蔽实时图片数组。
+- Pro 为单图模型，不要下发 `n`、`sequential_image_generation`、`stream`、`tools`。
+- 官方限流：模型列表文档标注 Pro 的限流值为 500（单位见官方页面）。
+
+## 7. 原始链接索引
+
+| 信息 | 链接 | 是否需登录 |
+|---|---|---|
+| 图片生成 API（参数、能力、响应全量） | https://console.volcengine.com/ark/region:cn-beijing/docs/82379/1541523?lang=zh | 否（正文公开；调用需 API Key） |
+| 同一文档的公开镜像 | https://www.volcengine.com/docs/82379/1541523 | 否 |
+| 文档正文 JSON（含 Markdown 全文与更新时间） | https://docs.volcengine.com/api/doc/getDocDetail?LibraryID=82379&DocumentID=1541523&type=online | 否 |
+| 模型价格 | https://www.volcengine.com/docs/82379/1544106 | 否 |
+| 模型列表（Model ID、限流、支持能力） | https://www.volcengine.com/docs/82379/1330310 | 否 |
+| Base URL 及鉴权 | https://docs.volcengine.com/docs/82379/1298459 | 否 |
+| Seedream 4.0–5.0 提示词指南 | https://www.volcengine.com/docs/82379/1829186 | 否 |
+| API Key 管理 | https://console.volcengine.com/ark/region:cn-beijing/apiKey | **是** |

package/docs/model-adaptation/SenseVoiceSmall/SenseVoiceSmall_/347/241/205/345/237/272/346/265/201/345/212/250.md

@@ -1,73 +1,73 @@
-# SenseVoiceSmall · 硅基流动
-
-| 项目 | 内容 |
-|---|---|
-| 最后更新 | 2026-09-21 |
-| 模态 | ASR（同步文件转写） |
-| 供应商 | SiliconFlow / SiliconCloud |
-| 平台模型 ID | `FunAudioLLM/SenseVoiceSmall` |
-| 当前公开价格 | **免费** |
-| 免费前提 | 账号实名认证；固定 Rate Limits，精确数值未公开 |
-| 文档/价格 | 公开无需登录；Key/实名/用量需登录 |
-
-## 1. 端点与鉴权
-
-```text
-POST https://api.siliconflow.cn/v1/audio/transcriptions
-Authorization: Bearer <SILICONFLOW_API_KEY>
-Content-Type: multipart/form-data
-```
-
-请求仅需两个官方公开字段：
-
-```text
-file=<binary audio file>
-model=FunAudioLLM/SenseVoiceSmall
-```
-
-`file` 必须不超过 1 小时、50 MB。官方 cURL 以 MP3 为示例，但转写页未公开完整文件
-格式白名单。公开协议没有 `language/prompt/response_format`、热词、说话人、情感或音频事件
-参数，也没有 WebSocket/SSE 实时接口。
-
-## 2. 响应契约
-
-```json
-{
-  "text": "<string>"
-}
-```
-
-响应头包含 `x-siliconcloud-trace-id`。虽然 SenseVoice 开源上游还有多语种、情感与音频事件能力，
-硅基流动当前转写 API 只声明 `text`。SDK 文档与类型不得保证端点会返回上游额外标签。
-
-## 3. 价格、账号与限流
-
-- 2026-08-31 公开价格页的语音模型栏对 `FunAudioLLM/SenseVoiceSmall` 标注“免费”。
-- 这是免费模型计划，不是一次性赠送金；官方说明账单中调用消耗为 0。
-- 全部免费模型要求实名认证。限流为固定值，但公开 Rate Limits 页未给本模型的精确
-  RPM/RPD/音频时长额度；以登录后实际账号页为准。
-- 官方转写页明确保留模型上下线和服务能力调整的可能；价格/可用性需在发布前复核。
-
-## 4. 错误与适配要点
-
-官方错误体可为 `{code,message,data}` JSON，也可为纯文本。常见状态为 400/401/403/429/
-500/503/504；403 可与实名、模型权限或余额有关。SDK 的 `provider_http_error` 诊断文本保留
-HTTP status、可用的 `code/message/data`、文本 fallback 和脱敏追踪 ID；
-当前通用 `AiRuntimeError` 不提供结构化供应商错误 metadata。
-
-Say-It/SDK 接入是简单 Bearer + multipart HTTP，但不得透传硅基流动未公开的 OpenAI ASR
-扩展参数。中国大陆使用 `api.siliconflow.cn`；本轮未发起真实请求，实际账号限流未实测。
-
-## 5. 原始链接索引
-
-| 信息 | 链接 | 登录 |
-|---|---|---|
-| ASR API、模型 ID、输入限制与响应 | https://docs.siliconflow.cn/docs/api/audio-transcriptions-post | 否 |
-| 当前价格 | https://siliconflow.cn/pricing | 否 |
-| 免费模型/实名/Rate Limits 规则 | https://docs.siliconflow.cn/cn/userguide/rate-limits/rate-limit-and-upgradation | 否 |
-| 错误处理 | https://docs.siliconflow.cn/cn/faqs/error-code | 否 |
-| API Key | https://cloud.siliconflow.cn/account/ak | **是** |
-
-## 2026-09-21 文件传输边界复核
-
-SDK 本地 multipart 默认上限为 50,000,000 字节（十进制保守解释官方 50 MB），仍受 1 小时时长限制。宿主 describe/readChunk + fetchStream 仅改变传输内存，不改变文件格式。
+# SenseVoiceSmall · 硅基流动
+
+| 项目 | 内容 |
+|---|---|
+| 最后更新 | 2026-09-21 |
+| 模态 | ASR（同步文件转写） |
+| 供应商 | SiliconFlow / SiliconCloud |
+| 平台模型 ID | `FunAudioLLM/SenseVoiceSmall` |
+| 当前公开价格 | **免费** |
+| 免费前提 | 账号实名认证；固定 Rate Limits，精确数值未公开 |
+| 文档/价格 | 公开无需登录；Key/实名/用量需登录 |
+
+## 1. 端点与鉴权
+
+```text
+POST https://api.siliconflow.cn/v1/audio/transcriptions
+Authorization: Bearer <SILICONFLOW_API_KEY>
+Content-Type: multipart/form-data
+```
+
+请求仅需两个官方公开字段：
+
+```text
+file=<binary audio file>
+model=FunAudioLLM/SenseVoiceSmall
+```
+
+`file` 必须不超过 1 小时、50 MB。官方 cURL 以 MP3 为示例，但转写页未公开完整文件
+格式白名单。公开协议没有 `language/prompt/response_format`、热词、说话人、情感或音频事件
+参数，也没有 WebSocket/SSE 实时接口。
+
+## 2. 响应契约
+
+```json
+{
+  "text": "<string>"
+}
+```
+
+响应头包含 `x-siliconcloud-trace-id`。虽然 SenseVoice 开源上游还有多语种、情感与音频事件能力，
+硅基流动当前转写 API 只声明 `text`。SDK 文档与类型不得保证端点会返回上游额外标签。
+
+## 3. 价格、账号与限流
+
+- 2026-08-31 公开价格页的语音模型栏对 `FunAudioLLM/SenseVoiceSmall` 标注“免费”。
+- 这是免费模型计划，不是一次性赠送金；官方说明账单中调用消耗为 0。
+- 全部免费模型要求实名认证。限流为固定值，但公开 Rate Limits 页未给本模型的精确
+  RPM/RPD/音频时长额度；以登录后实际账号页为准。
+- 官方转写页明确保留模型上下线和服务能力调整的可能；价格/可用性需在发布前复核。
+
+## 4. 错误与适配要点
+
+官方错误体可为 `{code,message,data}` JSON，也可为纯文本。常见状态为 400/401/403/429/
+500/503/504；403 可与实名、模型权限或余额有关。SDK 的 `provider_http_error` 诊断文本保留
+HTTP status、可用的 `code/message/data`、文本 fallback 和脱敏追踪 ID；
+当前通用 `AiRuntimeError` 不提供结构化供应商错误 metadata。
+
+Say-It/SDK 接入是简单 Bearer + multipart HTTP，但不得透传硅基流动未公开的 OpenAI ASR
+扩展参数。中国大陆使用 `api.siliconflow.cn`；本轮未发起真实请求，实际账号限流未实测。
+
+## 5. 原始链接索引
+
+| 信息 | 链接 | 登录 |
+|---|---|---|
+| ASR API、模型 ID、输入限制与响应 | https://docs.siliconflow.cn/docs/api/audio-transcriptions-post | 否 |
+| 当前价格 | https://siliconflow.cn/pricing | 否 |
+| 免费模型/实名/Rate Limits 规则 | https://docs.siliconflow.cn/cn/userguide/rate-limits/rate-limit-and-upgradation | 否 |
+| 错误处理 | https://docs.siliconflow.cn/cn/faqs/error-code | 否 |
+| API Key | https://cloud.siliconflow.cn/account/ak | **是** |
+
+## 2026-09-21 文件传输边界复核
+
+SDK 本地 multipart 默认上限为 50,000,000 字节（十进制保守解释官方 50 MB），仍受 1 小时时长限制。宿主 describe/readChunk + fetchStream 仅改变传输内存，不改变文件格式。

package/docs/model-adaptation/TTS-/345/244/232/344/276/233/345/272/224/345/225/206-2026-09.md

@@ -1,6 +1,6 @@
 # TTS 多供应商适配契约（2026-09-27）
 
-本文件记录本次 SDK 适配所需的供应商原始契约。范围限定为文字转语音和对话语音；声音训练、音乐生成不在本次模型清单内。用户确认：公开价格可核实时显示估算；无法由输入参数可靠估算的价格不显示估算。
+本文件记录本次 SDK 适配所需的供应商原始契约。原始范围为文字转语音和对话语音；2026-09-28 补充 Seed-ICL 2.0 官方 V3 声音训练，详见 [语音克隆契约](Seed-ICL-2.0/Seed-ICL-2.0_火山引擎.md)。用户确认：公开价格可核实时显示估算；无法由输入参数可靠估算的价格不显示估算。
 
 ## 模型与请求矩阵
 
@@ -11,12 +11,12 @@
 | Fal | `fal-ai/qwen-3-tts/text-to-speech/1.7b` | Fal queue；`audio.url` | $0.09 / 千字符 | [API](https://fal.ai/models/fal-ai/qwen-3-tts/text-to-speech/1.7b/api)、[定价](https://fal.ai/models/fal-ai/qwen-3-tts/text-to-speech/1.7b) |
 | Fal | `fal-ai/elevenlabs/tts/eleven-v3` | Fal queue；`audio.url` | $0.10 / 千字符 | [API](https://fal.ai/models/fal-ai/elevenlabs/tts/eleven-v3/api)、[定价](https://fal.ai/models/fal-ai/elevenlabs/tts/eleven-v3) |
 | 百炼 | `MiniMax/speech-2.8-hd`、`MiniMax/speech-2.8-turbo` | 同步 HTTP；`output.data.audio` 为 hex | HD ¥3.5、Turbo ¥2 / 万字符 | [API](https://help.aliyun.com/zh/model-studio/minimax-synchronous-speech-synthesis-api)、[定价](https://help.aliyun.com/zh/model-studio/model-pricing) |
-| 百炼 | `qwen-audio-3.1-tts-flash` | 同步 HTTP；`output.audio.url`，有效期 24 小时 | 输入 ¥1.5 / 百万 Token、输出 ¥12 / 百万 Token；提交前无法准确估算输出 Token | [API](https://help.aliyun.com/zh/model-studio/cosyvoice-tts-http-api)、[模型价格](https://help.aliyun.com/zh/model-studio/qwen-audio-3-1-tts-flash) |
+| 百炼 | `qwen-audio-3.1-tts-flash` | 同步 HTTP；`output.audio.url`，有效期 24 小时 | 输入 ¥1.5 / 百万 Token、输出 ¥12 / 百万 Token；提交前按全文慢速输出作保守估算，非官方折算 | [API](https://help.aliyun.com/zh/model-studio/qwen-audio-tts-http-api)、[模型价格](https://help.aliyun.com/zh/model-studio/qwen-audio-3-1-tts-flash) |
 | 百炼 | `cosyvoice-v3.5-flash`、`cosyvoice-v3.5-plus` | 同步 HTTP；`output.audio.url`，有效期 24 小时 | Flash ¥0.8、Plus ¥1.5 / 万字符 | [API](https://help.aliyun.com/zh/model-studio/cosyvoice-tts-http-api)、[定价](https://help.aliyun.com/zh/model-studio/model-pricing) |
 | KIE | `google/gemini-3-1-flash-tts` | `createTask` + `recordInfo`；`resultJson.resultUrls` | 输入 $0.7、音频输出 $14 / 百万 Token；提交前无法准确估算输出 Token | [API](https://docs.kie.ai/market/google/gemini-3-1-flash-tts)、[定价](https://kie.ai/pricing) |
 | KIE | `elevenlabs/text-to-speech-turbo-2-5` | 同上 | $0.03 / 千字符 | [API](https://docs.kie.ai/market/elevenlabs/text-to-speech-turbo-2-5)、[定价](https://kie.ai/pricing) |
 | KIE | `elevenlabs/text-to-dialogue-v3` | 同上；输入为 `input.dialogue[]` | $0.07 / 千字符 | [API](https://docs.kie.ai/market/elevenlabs/text-to-dialogue-v3)、[定价](https://kie.ai/pricing) |
-| 火山引擎 | `seed-tts-2.0`、`seed-icl-2.0` | V3 HTTP Chunked；逐帧 JSON 的 `data` 为 base64 音频块 | 资源包有公开价；按量单价仍需进一步核实，暂不显示预估 | [V3 HTTP](https://docs.volcengine.com/docs/DoubaoVoice/unidirectional-streaming-text-to-speech-http?lang=zh)、[产品价格入口](https://docs.volcengine.com/docs/DoubaoVoice?lang=zh) |
+| 火山引擎 | `seed-tts-2.0`、`seed-icl-2.0` | V3 HTTP Chunked；逐帧 JSON 的 `data` 为 base64 音频块 | 2026-09-28 核实：合成及训练试听 ¥3 / 万字符；后付费克隆首次正式合成另收 ¥138 / 音色 | [V3 HTTP](https://docs.volcengine.com/docs/DoubaoVoice/unidirectional-streaming-text-to-speech-http?lang=zh)、[公开刊例](https://docs.volcengine.com/docs/DoubaoVoice/Billinginstructions-21?lang=zh) |
 | 硅基流动 | `FunAudioLLM/CosyVoice2-0.5B`、`fnlp/MOSS-TTSD-v0.5` | `POST /v1/audio/speech`；直接返回音频二进制 | ¥0.05 / 千 UTF-8 字符 | [API](https://docs.siliconflow.cn/docs/api/audio-speech-post)、[定价](https://siliconflow.cn/pricing) |
 
 百炼的专属业务空间域名为推荐项，官方明确现有 `dashscope.aliyuncs.com` 域名继续可用；SDK 使用现有域名和北京地域 API Key。百炼 MiniMax 与 Qwen/CosyVoice 的路由不同，不能混用。CosyVoice 3.5 无系统音色，必须使用先前创建的复刻或设计音色 ID。火山语音 V3 使用独立的 `X-Api-Key`，SDK 单列 `volcengine-speech` 供应商以免覆盖方舟图片模型的 Key；复刻音色请求须设 `req_params.model=seed-tts-2.0-standard`。火山 V1 非流式接口明确不支持 Seed-TTS 2.0 音色，不能作为 V3 替代。[百炼 API](https://help.aliyun.com/zh/model-studio/cosyvoice-tts-http-api)、[CosyVoice 音色限制](https://help.aliyun.com/zh/model-studio/non-realtime-tts-user-guide)、[火山 V3](https://docs.volcengine.com/docs/DoubaoVoice/unidirectional-streaming-text-to-speech-http?lang=zh)、[火山 V1 说明](https://docs.volcengine.com/docs/DoubaoVoice/HTTPone-timecompositenon-streaminginterface-V1notrecommended?lang=zh)。
@@ -56,14 +56,60 @@
 | 百炼 CosyVoice 3.5 | [复刻音色列表 API](https://help.aliyun.com/en/model-studio/voice-clone-design-http-api) | 同上。无预置音色；只呈现 `cosyvoice-v3.5-` 前缀且状态为 `OK` 的音色。 |
 | 百炼 MiniMax Speech 2.8 | [音色管理 API](https://help.aliyun.com/zh/model-studio/sound-management) | 以百炼 Key 请求 `POST https://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation`，`model=MiniMax/speech-2.8-turbo`、`input.action=get_voice`、`voice_type=all`；读取 `output.system_voice[]` 和 `output.voice_cloning[]` 的 `voice_id/voice_name/description`，检查 `output.base_resp.status_code=0`。未配置 Key 时仅保留本模型已证实默认音色，不借用其他供应商目录。 |
 | 硅基流动 CosyVoice2 | [官方音色文档](https://docs.siliconflow.cn/docs/userguide/capabilities/text-to-speech) | 本地展示 8 个预置音色；用账号 Key 请求 `GET https://api.siliconflow.cn/v1/audio/voice/list`，读取自定义音色 `uri` 和名称。官方文档未给出完整响应外壳，解析器接受直接数组、`data` 数组及 `voices` 数组；实测前不声称所有账号响应形态均已验证。 |
-| 火山 Seed-TTS 2.0 | [官方音色清单](https://docs.volcengine.com/docs/DoubaoVoice/Tonelist-1?lang=zh) | 2026-09-27 页面去重后 230 个音色 ID，本地提供搜索和选择。 |
-| 火山 Seed-ICL 2.0 | [新版按 ID 查询](https://docs.volcengine.com/docs/DoubaoVoice/tone-query-http?lang=zh)、[旧版音色管理说明](https://docs.volcengine.com/docs/DoubaoVoice/Soundreplicationorderingandusageguide?lang=zh) | 新版官方查询只按已知 `speaker_id` 查状态；旧版批量查询接口与当前 V3 凭据/协议不一致，未接入。暂保留手填复刻音色 ID。 |
+| 火山 Seed-TTS 2.0 / 豆包语音 2.0 | [官方音色清单](https://docs.volcengine.com/docs/DoubaoVoice/Tonelist-1?lang=zh) | 2026-09-28 核对 2.0 两个章节共 431 个音色 ID，补齐旧清单遗漏的 `ICL_uranus_*` 系统音色；本地提供搜索和选择。控制面 ListSpeakers 需要独立 AK/SK 签名，不能用语音 Key 代替。 |
+| 火山 Seed-ICL 2.0 | [新版按 ID 查询](https://docs.volcengine.com/docs/DoubaoVoice/tone-query-http?lang=zh)、[旧版音色管理说明](https://docs.volcengine.com/docs/DoubaoVoice/Soundreplicationorderingandusageguide?lang=zh) | 新版官方查询只按已知 `speaker_id` 查状态；旧版批量查询接口与当前 V3 凭据/协议不一致，未接入。2026-09-28 接入 V3 训练和状态查询；新音色自动编号并保存到应用音色库，已有预付费槽位可手动导入。 |
 | Fal Eleven v3 / MiniMax 2.8、KIE Eleven、Gemini 3.1、硅基流动 MOSS | [Fal Eleven v3](https://fal.ai/models/fal-ai/elevenlabs/tts/eleven-v3)、[Fal MiniMax](https://fal.ai/models/fal-ai/minimax/speech-2.8-hd/api)、[KIE Eleven Turbo](https://docs.kie.ai/market/elevenlabs/text-to-speech-turbo-2-5)、[KIE Eleven Dialogue](https://docs.kie.ai/market/elevenlabs/text-to-dialogue-v3)、[Google 预置音色](https://ai.google.dev/gemini-api/docs/speech-generation)、[硅基流动 MOSS](https://docs.siliconflow.cn/docs/userguide/capabilities/text-to-speech) | 收录各渠道官方明确列出的预置音色或示例 ID。渠道未公布完整账号音色查询接口的模型保留手填兜底；不可将 ElevenLabs 或其他供应商原生音色 API 直接当成转售渠道的可用列表。 |
 
 上述音色查询均为单次 HTTP JSON 读请求，官方没有流式事件、取消远端任务、分页总数或连接复用的特殊契约；HTTP 失败、供应商错误码、响应外壳缺失都应报错，不把错误当成空目录。分页仅用于百炼 `list_voice`，遇不足一页时结束；到达客户端有界页数仍满页时应提示目录未完整读取。自定义音色的名称若官方只返回 ID，则展示 ID。
 
 - 各模型的文本来自 SDK 统一 `prompt`/`text` 输入，转换到供应商要求的 `prompt`、`text` 或嵌套 `input.text`。
-- 音色使用各平台官方音色 ID；复刻音色仅允许已在供应商侧取得的 ID，不在本次为训练/上传建立新流程。
+- 音色使用各平台官方音色 ID；火山 Seed-ICL 支持直接上传录音克隆；其他供应商复刻音色使用官方列表或已取得的 ID。
 - KIE Gemini 3.1 使用 `speakers[]` 与 `dialogue_turns[]`；Eleven v3 对话使用 `dialogue[]`。SDK 在仅有普通文本时明确构建单说话人/单台词数组；调用方传入结构化数组时保留多说话人能力。痕迹AI 当前通用参数面板只暴露单说话人文本入口。
 - 音频块和二进制响应在 SDK 边界转换为 `data:audio/...;base64,...`，交给宿主已有媒体落盘边界；不得只返回原始 base64/hex 字符串。
 - 派欧云 2.8 的 `emotion`：MiniMax 原厂说明支持情感，但派欧云异步参考页写为仅 2.6/01 生效。平台契约冲突，不能将原厂能力直接视为派欧云 2.8 能力；需在该平台屏蔽未证实的情感选项。[派欧云异步 HD](https://ppio.com/docs/models/reference-minimax-speech-2.8-hd-async)。
+
+
+## 2026-10-12 外部 MCP 实测复核（t168）
+
+- KIE 当前 [Turbo 2.5 输入字段表](https://docs.kie.ai/market/elevenlabs/text-to-speech-turbo-2-5.md) 的 `voice` 是 ID 枚举，默认 James `EkK5I93UQWFDigLMpZcX`，Brian 为 `nPczCjzI2devNBz1zQrb`。旧轮询示例的 Rachel 与输入表冲突，修正 SDK 默认值与宿主选择器，旧名称不做迁移。`text` 上限 5000 字符，`stability` 0–1、`speed` 0.7–1.2；当前已发送字段符合范围。`language_code` 可省略，文档未要求中文必填。
+- 脱敏契约 fixture：`tests/fixtures/tts/kie-turbo-input.json`，从上述官方字段表构造，不是实测成功响应。精确测试验证默认中文请求可通过字段表，以及名称/越界参数不可通过；没有真实付费调用。此前 Internal Error 不能只凭静态核对断言已解决；用户最小确认调用：同一中文短句、James ID、默认 stability/speed、language_code 省略，仅调用一次并保留 taskId 与最终供应商状态。
+- [百炼错误码官方说明](https://help.aliyun.com/zh/model-studio/error-code) 明确 `The product is not activated` 是模型服务未开通。SDK 百炼响应解码时统一转中文、`retryable:false`，日志保留 `providerCode`、`providerMessage`、HTTP status；它是供应商可移植语义，归 SDK，不在 MCP 或 UI 加百炼分支。HTTP 200/400/403、兼容接口嵌套 error 与 MiniMax base_resp 均以离线构造响应覆盖；空的顶层 message 不遮蔽嵌套原因。
+- [Qwen 模型页](https://help.aliyun.com/zh/model-studio/qwen-audio-3-1-tts-flash) 确认输入 ¥1.5/百万 Token、输出 ¥12/百万 Token；[HTTP 文档](https://help.aliyun.com/zh/model-studio/qwen-audio-tts-http-api) 只提供 usage token 统计，未找到该型号音频秒数折算率。其他 Qwen ASR 的 25 Token/秒不能作为此 TTS 计费事实。估价方案待确认，不能宣称账单硬上限。
+
+- 其他 NaN 音频仅 KIE Gemini 3.1 Flash TTS：[Google 同名模型窗口](https://ai.google.dev/gemini-api/docs/models/gemini-3.1-flash-tts-preview) 为输入 8192 / 输出 16384 Token，[官方折算](https://cloud.google.com/text-to-speech/pricing) 为音频 25 Token/秒，即最大输出窗口约 655.36 秒。采用整个 token 窗口乘 KIE 当前 $0.7/$14 百万 Token 费率，保守预留 $0.2351104，`billingMode:estimated`；不以文本语速推断硬上限、不限制产品数量。该窗口来自 Google，KIE 文档没有独立窗口承诺，说明中保留“实际以 KIE 账单为准”。
+
+## 2026-10-12 Qwen Audio 3.1 TTS 估算上限
+
+BrowserOS neo核对[HTTP API](https://help.aliyun.com/zh/model-studio/qwen-audio-tts-http-api)、[计费](https://help.aliyun.com/zh/model-studio/model-pricing)、[模型说明](https://help.aliyun.com/zh/model-studio/tts-model)、[公开控制台模型卡](https://bailian.console.aliyun.com/cn-beijing/model/market/detail/qwen-audio-3.1-tts-flash)。控制台最大输入、上下文和最大输出长度均为“—”，公开文档只给输入/输出Token用量，没有Token/秒。无法给“官方文本上限对应输出”而不编造官方上限，因此以本次输入全文的字符预算作为可读文本范围，不设产品数量上限。
+
+工程保守假设（不声称官方保证）：常速最慢合理朗读每秒1字，按rate 0.5–2折算最长合理时长ceil(全文Unicode字符数/rate)秒；每音频秒100Token预算；输入全文及风格指令的UTF-8字节数作为输入Token预算。费用=(输入预算×1.5+音频预算×12)/1e6元。标为“估算上限（非账单保证）”，沿现有约价显示，不再因NaN阻断。并非可证明的绝对账单上限；语音指令、停顿/特殊标记等可能影响输出，应以供应商实际usage为准。未扩大maxOutputTokens或请求参数。未查到需登录的官方折算证据；未进入体验或账号费用页面，未读取Key。
+
+展示沿统一 PriceEstimate，pricing.estimateKind=upper-bound 在面板和画布徽标都标“估算上限”，悬浮提示说明保守假设与实际账单结算；无模型ID分支。
+
+
+## 2026-10-12 第二轮 MCP 复核（t173）
+
+本轮仅通过 BrowserOS neo 会话 `mcp-round2` 阅读官方页面，未发出任何模型 API 请求。KIE 最近相关请求日志为 2026-10-11 15:55:59 UTC，早于 t168 的 2026-10-12 02:02（北京时间）提交及 03:38 合并；旧日志中的 Brian/Rachel 不代表已合并版本。不过请求构建器仍可绕过参数面板发出名称，本轮在 SDK 模型 builder 校验官方 voice ID 枚举，省略时默认 James。
+
+KIE [Turbo 输入字段](https://docs.kie.ai/market/elevenlabs/text-to-speech-turbo-2-5)：模型 `elevenlabs/text-to-speech-turbo-2-5`，`input.text` 最长 5000 字符，`input.voice` 为官方 67 个 ID，默认 `EkK5I93UQWFDigLMpZcX`，`speed` 0.7–1.2，`stability` 0–1，`language_code` 可选，本轮不发送。只构建不发送的最小请求：
+
+```json
+{"model":"elevenlabs/text-to-speech-turbo-2-5","input":{"text":"测试一下。","voice":"EkK5I93UQWFDigLMpZcX","stability":0.5,"speed":1.05}}
+```
+
+公开错误分类依据：
+
+| 官方来源 | 可确认契约 | SDK 分类 |
+|---|---|---|
+| [百炼错误码](https://help.aliyun.com/zh/model-studio/error-code) | Arrearage；AccessDenied.Unpurchased；Model.AccessDenied；MiniMax 的明确 product is not activated 文案 | 账户余额；产品未开通；模型权限 |
+| [KIE 任务详情](https://docs.kie.ai/market/common/get-task-detail) | code=402；fail + Internal Error；422 参数失败 | 账户余额；供应商内部失败；参数拒绝 |
+| [PPIO 错误码](https://ppio.com/docs/models/reference-error-code) | BILLING_BALANCE_NOT_ENOUGH / NOT_ENOUGH_BALANCE；API_NOT_ALLOWED / ACCESS_DENY | 账户余额；模型权限 |
+| [硅基流动错误码](https://api-docs.siliconflow.cn/docs/userguide/faqs/error-code) | HTTP 402；403 访问/实名条件 | 账户余额；模型权限 |
+| [APIMart 任务状态](https://docs.apimart.ai/cn/api-reference/tasks/status) | HTTP/响应 code 402；403 | 账户余额；模型权限 |
+| [火山方舟错误码](https://docs.volcengine.com/docs/ark/error-codes?lang=zh) | AccountOverdueError；ModelNotOpen / OperationDenied.ServiceNotOpen；AccessDenied / OperationDenied.PermissionDenied | 账户余额；产品未开通；模型权限 |
+| [Fal FAQ](https://fal.ai/docs/documentation/model-apis/faq) | 余额低于阈值会锁定账户，但未给可确认的 wire 错误码/原文 | 不猜测，保留原错误 |
+| [Grsai 公共文档](https://grsai.ai/zh/dashboard/documents/other) | 可查 credits，未找到余额/权限失败码表 | 不猜测，保留原错误 |
+
+响应/终态矩阵：正常 JSON 沿原解码；明确准入失败立即抛 `provider_product_not_activated` / `provider_model_access_denied` / `provider_insufficient_balance`，`retryable:false`，不自动重发；未知 403 或 BILLING_FAILED 保留 provider_http_error；KIE 任务 fail + Internal Error 返回 `provider_internal_error`，允许用户稍后手动提交，但 `terminal:true` 禁止自动继续轮询；422 返回 provider_invalid_request，保留供应商说明。非 JSON 响应沿原 invalid_json，不猜测业务错误；没有新增流、重连、远端取消或成功结构。
+
+fixture 正反例覆盖上述正式码、未知失败、终态不续查、默认音色和 Brian/Rachel 拒绝。断牙：临时移除共享 access 分类，15 个测试中 14 个失败、1 个未知错误测试通过；恢复实现后 15 个通过。工作区不构建/发布 SDK；宿主新错误码以 mock 验证，合并后由总管理者在主仓重建 SDK 再做宿主联动。

package/docs/model-adaptation/TTS-/346/227/266/351/227/264/346/210/263-2026-10.md

@@ -0,0 +1,36 @@
+# TTS 原生时间戳核实（t177，2026-10-12）
+
+仅核实本仓当前接入的接口，不把模型官网或另一供应商的能力等同于当前接口能力。使用 BrowserOS neo 的 `tts-timestamps` 会话，自建标签页逐页读取；没有登录、读取密钥或执行生成。表中“未声明”不等于供应商绝对不支持，“未见附加费”不等于供应商保证免费。
+
+| 模型（规格） | 当前接口 | 时间戳与粒度 | 开启参数 / 返回字段 | 计费证据 | 本批 |
+|---|---|---|---|---|---|
+| 百炼 Qwen Audio 3.1 TTS Flash | HTTP SpeechSynthesizer，当前非流式 | 仅流式输出支持词级时间戳；有音色限制 | `word_timestamp_enabled`；`output.sentence.words[].begin_time/end_time`，毫秒 | 未见时间戳单列费用；合成正常计费 | 不切换协议，未接；[官方](https://help.aliyun.com/zh/model-studio/qwen-audio-tts-http-api) |
+| 百炼 CosyVoice 3.5 Flash / Plus | HTTP SpeechSynthesizer，当前非流式 | 仅流式，文档明确克隆音色支持 | 同上 | 未见单列费用 | 未接；[官方](https://help.aliyun.com/zh/model-studio/cosyvoice-tts-http-api) |
+| 百炼 MiniMax Speech 2.8 HD / Turbo | 同步 HTTP multimodal-generation | 非流式可开启字幕，但官方响应表未定义字幕载荷 | `input.subtitle_enable=true`；本次公开页面/HTML 均未给字幕字段或单位 | 未明确字幕附加费，不能承诺免费 | 暂未接，缺可验证返回契约；[官方](https://help.aliyun.com/zh/model-studio/minimax-synchronous-speech-synthesis-api) |
+| PPIO MiniMax Speech 2.8 HD / Turbo | async 提交/轮询 | 当前接口文档未声明时间戳 | 无可核实参数和返回字段 | 正常合成计费 | 未接；[HD](https://ppio.com/docs/models/reference-minimax-speech-2.8-hd-async)、[Turbo](https://ppio.com/docs/models/reference-minimax-speech-2.8-turbo-async) |
+| Fal MiniMax Speech 2.8 HD / Turbo | Fal queue speech-2.8-hd / turbo | 当前输入/输出 schema 未声明时间戳 | 输出 audio | 正常合成计费 | 未接；[HD](https://fal.ai/models/fal-ai/minimax/speech-2.8-hd/api)、[Turbo](https://fal.ai/models/fal-ai/minimax/speech-2.8-turbo/api) |
+| 火山 Seed-TTS 2.0 | HTTP Chunked `/api/v3/tts/unidirectional` | 支持字级，仅中英文；无需 WebSocket | `req_params.audio_params.enable_subtitle=true`；`sentence.words[].word/startTime/endTime/confidence`，秒 | 合成 3 元/万字符；[计费页](https://docs.volcengine.com/docs/DoubaoVoice/Billinginstructions-21?lang=zh)未单列该开关费用；独立字幕打轴收费不等于本字段收费 | 已接；[官方](https://docs.volcengine.com/docs/DoubaoVoice/unidirectional-streaming-text-to-speech-http?lang=zh) |
+| 火山 Seed-ICL 2.0（合成模式） | 同上，克隆音色用 seed-icl-2.0 资源 | 同上；训练接口不产音频时间戳 | 同上；自定义音色保留原激活同意流程 | 合成同上，音色训练/激活另沿原确认路径 | 已接；[官方](https://docs.volcengine.com/docs/DoubaoVoice/unidirectional-streaming-text-to-speech-http?lang=zh) |
+| KIE Eleven v3 对话 | createTask / recordInfo | 当前接口未声明 | resultJson.resultUrls，未见时间戳 | 正常合成计费 | 未接；[官方](https://docs.kie.ai/market/elevenlabs/text-to-dialogue-v3) |
+| Fal Eleven v3 | Fal queue elevenlabs/tts/eleven-v3 | 声明支持词级；输出类型仅 list<void> | `timestamps=true`；输出 `timestamps`，条目字段/时间单位未定义 | 未找到开关附加费用说明 | 暂未接，缺条目契约；[官方](https://fal.ai/models/fal-ai/elevenlabs/tts/eleven-v3/api) |
+| Fal Qwen3 TTS 1.7B | Fal queue qwen-3-tts/text-to-speech/1.7b | 当前接口未声明 | 输出 audio | 正常合成计费 | 未接；[官方](https://fal.ai/models/fal-ai/qwen-3-tts/text-to-speech/1.7b/api) |
+| 硅基流动 CosyVoice2 | POST /v1/audio/speech，非流式音频 | 未声明 | 二进制音频，未见时间戳元数据 | 正常合成计费 | 未接；[官方](https://docs.siliconflow.cn/docs/api/audio-speech-post) |
+| 硅基流动 MOSS-TTSD v0.5 | 同上 | 未声明 | 同上 | 正常合成计费 | 未接；[官方](https://docs.siliconflow.cn/docs/api/audio-speech-post) |
+| KIE Gemini 3.1 Flash TTS | createTask / recordInfo | 当前接口未声明 | resultJson.resultUrls | 正常合成计费 | 未接；[官方](https://docs.kie.ai/market/google/gemini-3-1-flash-tts) |
+| 补查：KIE Eleven Turbo 2.5 | createTask / recordInfo | 输入示例有 timestamps，但 resultJson 未说明时间戳载荷 | `input.timestamps`，无可核实返回条目 | 附加费未明确 | 未接；[官方](https://docs.kie.ai/market/elevenlabs/text-to-speech-turbo-2-5) |
+
+## 公共结果契约
+
+SDK 返回 `metadata.outputTimings: GenerationOutputTimings`，数组项为 `{ outputIndex, timings: { granularity: 'char' | 'word' | 'sentence', items: [{ text, startMs, endMs, confidence? }] } }`。outputIndex 对应输出媒体序号，时间是源音频毫秒；confidence 为供应商可选的 0–1 数值。没有时间戳时省略，不能把空音频或非法区间伪装成可用结果。火山当前单音频输出序号为 0，按流帧收集 `sentence.words`，保留原音频拼接路径；非法时间拒绝并取消响应流，不重发生成。
+
+Seed-TTS / ICL 的 catalog 自动开启字幕并声明 `timestamps` 标签，宿主模型 schema 和搜索沿同一 meta.tags 投影。只覆盖合成，不为音色训练伪造字幕。仅中英文的官方限制仍成立。
+
+官方响应 fixture：`packages/ai-sdk/tests/fixtures/tts/volcengine-subtitle.json`，正文和秒数取自官方示例，音频占位替换为 ID3 三字节；异常 fixture 为测试构造，未冒充线上采样。两模型的请求参数和解析都有精确测试。
+
+## 资料缺口及最小核验
+
+百炼 MiniMax 的公开页声明 subtitle_enable，却没有字幕返回字段；Fal Eleven v3 的返回类型是 list<void>；KIE Turbo 示例开关没有相应结果字段。本次不猜字段名或时间单位，尚未完成这些原生适配。总管理者可先向官方取得带字幕的响应 schema/脱敏响应样本；需付费调用时另行授权。
+
+火山最小合成参数：`{prompt:'你好，语音测试',volcSeedTtsSpeaker:'zh_female_vv_uranus_bigtts'}`。ICL 使用已有已激活音色，`{prompt:'你好，语音测试',volcSeedIclSpeaker:'已有音色ID',volcIclActivationConsent:true}`；此处只是后续测试建议，没有执行。核查跨句时钟是否连续、是否重复 sentence、中英混读标点覆盖和音频实际对齐精度。当前公开文档未给出重复帧与句时钟重置规则，因此不擅自加偏移或去重。
+
+未遇到需要用户登录的资料页面。未切换 Qwen/CosyVoice 到流式或 WebSocket，没有 npm publish。