dsh-tingdong 0.5.1 → 0.6.0

package/README.md

@@ -23,13 +23,17 @@ dsh plugin --profile desktop add github:AIcivilization/dsh-tingdong   # 源码
 
 ## 它做什么
 
-首页有两个入口：**导入音频**（有声书、讲座、引导音频）和**导入文档**（文章、手册、书）。
+首页有两个入口：**导入音频**（有声书、讲座、引导音频）和**文档转音频**（文章、手册、书）。除了做成听力课，每一步的成品都能下载到本地：
 
-**导入文档**：直接选文件（或拖进来）——PDF、Word（.docx）、EPUB 电子书、网页（.html）、TXT、Markdown；没有文件也可以粘贴英文。
+- **英文音频 → 带时间的字幕 → 中文配音**：识别出每一句英文和它的起止时间，导出字幕（SRT / LRC / 录音稿）；再按同样的时间生成另一种语言（中文）的音频（MP3 / FLAC）。
+- **文档 / 文字 → 朗读音频 → 下载到本地**：PDF、Word、EPUB、TXT 或粘贴的文字，AI 朗读成 MP3，单课或整篇下载；同样能再导出带时间的字幕和中文配音。
+
+**文档转音频**：直接选文件（或拖进来）——PDF、Word（.docx）、EPUB 电子书、网页（.html）、TXT、Markdown；没有文件也可以粘贴英文。
 
 1. 插件先取出文字，给你一张**确认卡片**：读到了多少词，预计分几课、朗读多长、处理要多久、大约用多少模型 token，并说明「会用 AI 整理文字」。
 2. 你点确定后，在后台：**AI 整理**（去掉页眉页码目录、修好断行、分好章节，原文一个字都不改、不翻译；长文分段、几段同时整理，逐段核对单词数，模型删多了就重来或改用原文）→ **存档**（原文件、取出的原始文字、整理后的文字都留在 `~/.dsh/dsh-tingdong/docs/`，课程概览里能下载）→ **分课**（每个大标题一课，太长的按段落拆开）→ **朗读**（默认微软 Edge，14 种美式 / 英式男女声，可选离线 Kokoro）→ **逐句翻译讲解**。
 3. 做好一课就能先学一课，之后和音频课一样：精听、复习、磨耳朵、连续听、导出。
+4. **下载音频**：文档课的概览页可以下载这一课的 MP3；分成好几课的文档还能「整篇合成一个 MP3」（章间停 1.5 秒），首页文档那一组旁边也有「下载整篇音频」。
 
 **大小和耗时**：文件最大 100 MB；文字最多约 6 万个英文单词（40 万字符，相当于 7 小时左右的朗读），再长请拆开导入。真正花时间和 token 的是 AI 整理和翻译：1 万词大约整理 4 万字符、朗读 1 小时多，处理约十几分钟（看模型速度）。扫描版 PDF（每页是图片）读不出文字，要先用 OCR 或 AI 转成文字。
 在 DSH 对话里也可以把 PDF 发给 AI，说「整理后导入听懂」（AI 工具 `tingdong_import_text`）。

package/lib/docaudio.js

@@ -0,0 +1,74 @@
+// lib/docaudio.js — 文档转音频：把一份文档分出来的几课朗读，按顺序接成一个 MP3 下载
+//
+// 各课的朗读都是同一个编码器出的（24 kHz 单声道 64 kbps MP3），参数一样，直接拼接、不重新编码：
+// 几个小时的书也是一眨眼。章与章之间插一段 1.5 秒静音。拼好的缓存在 docs/<docId>/audio.mp3，
+// 哪一课的朗读比它新就重拼。
+
+import { spawn } from 'node:child_process'
+import { existsSync } from 'node:fs'
+import { mkdir, readFile, rename, rm, stat, writeFile } from 'node:fs/promises'
+import { join } from 'node:path'
+import { dataRoot, findFfmpeg, FFMPEG_HINT } from './paths.js'
+import { audioPath, getLesson, listLessons } from './store.js'
+
+const GAP = 1.5
+
+function run(ffmpeg, args) {
+  return new Promise((resolve, reject) => {
+    const p = spawn(ffmpeg, ['-hide_banner', '-nostdin', '-y', ...args], { stdio: ['ignore', 'ignore', 'pipe'] })
+    let err = ''
+    p.stderr.on('data', d => { err = (err + d).slice(-2000) })
+    p.on('error', reject)
+    p.on('close', code => (code === 0 ? resolve() : reject(new Error(`拼接音频失败：${err.trim().split('\n').slice(-2).join(' ')}`))))
+  })
+}
+
+/** 这份文档的几课（按原文顺序），以及它们的朗读文件 */
+export async function docLessons(docId) {
+  const metas = (await listLessons()).filter(l => l.docId === docId).sort((a, b) => (a.order ?? 0) - (b.order ?? 0))
+  return metas
+}
+
+/**
+ * 整篇文档的音频
+ * @returns {Promise<{file:string, title:string, voiceLabel:string, lessons:number}>}
+ */
+export async function wholeDocAudio(docId, o = {}) {
+  if (!/^[a-f0-9]{12}$/.test(String(docId))) throw Object.assign(new Error('文档编号不对'), { status: 400 })
+  const ffmpeg = findFfmpeg(o.ffmpeg)
+  if (!ffmpeg) throw Object.assign(new Error(FFMPEG_HINT), { status: 500 })
+  const lessons = await docLessons(docId)
+  if (!lessons.length) throw Object.assign(new Error('没有这份文档的课'), { status: 404 })
+  const missing = lessons.filter(l => !existsSync(audioPath(l.id)))
+  if (missing.length) throw Object.assign(new Error(`还有 ${missing.length} 课没朗读完，等做好了再下载`), { status: 409 })
+  const first = await getLesson(lessons[0].id)
+  const dir = join(dataRoot(), 'docs', docId)
+  await mkdir(dir, { recursive: true })
+  let title = first.group || first.title
+  try { title = JSON.parse(await readFile(join(dir, 'meta.json'), 'utf8')).title || title } catch { /* 没有存档信息就用组名 */ }
+  const out = join(dir, 'audio.mp3')
+  const info = { file: out, title, voiceLabel: first.voiceLabel || '', lessons: lessons.length }
+  if (lessons.length === 1) return { ...info, file: audioPath(lessons[0].id) }
+
+  // 缓存还新就直接用
+  if (existsSync(out)) {
+    const built = (await stat(out)).mtimeMs
+    const newest = Math.max(...await Promise.all(lessons.map(async l => (await stat(audioPath(l.id))).mtimeMs)))
+    if (built >= newest) return info
+  }
+  const gap = join(dir, 'gap.mp3')
+  if (!existsSync(gap)) await run(ffmpeg, ['-f', 'lavfi', '-i', `anullsrc=r=24000:cl=mono`, '-t', String(GAP), '-c:a', 'libmp3lame', '-b:a', '64k', gap])
+  const q = p => `file '${p.replace(/'/g, "'\\''")}'`
+  const list = lessons.flatMap((l, k) => (k ? [q(gap), q(audioPath(l.id))] : [q(audioPath(l.id))])).join('\n')
+  const listFile = join(dir, 'concat.txt')
+  await writeFile(listFile, list + '\n')
+  const part = join(dir, 'audio.part.mp3')
+  try {
+    await run(ffmpeg, ['-f', 'concat', '-safe', '0', '-i', listFile, '-c', 'copy', '-metadata', `title=${title}`, '-metadata', 'artist=听懂 dsh-tingdong', part])
+    await rename(part, out)
+  } finally {
+    await rm(part, { force: true })
+    await rm(listFile, { force: true })
+  }
+  return info
+}

package/lib/importer.js

@@ -168,6 +168,16 @@ export class Importer {
   async importDoc(text, o = {}) {
     const doc = parseDoc(text, { title: o.title || '' })
     const hash = createHash('sha1').update(text).digest('hex').slice(0, 6)
+    // 没经过「选文件 → 确认」的（对话里的 AI 工具、命令行粘贴）也建一份存档：整篇下载音频要靠它把几课归到一起
+    if (!o.docId) {
+      o = { ...o, docId: createHash('sha1').update(text).digest('hex').slice(0, 12) }
+      const dir = join(dataRoot(), 'docs', o.docId)
+      await mkdir(dir, { recursive: true })
+      await writeFile(join(dir, 'clean.md'), text)
+      if (!existsSync(join(dir, 'meta.json'))) {
+        await writeFile(join(dir, 'meta.json'), JSON.stringify({ docId: o.docId, name: doc.title, title: o.title || doc.title, type: '文字', ext: '.md', needsCleanup: false, confirmedAt: Date.now() }, null, 1))
+      }
+    }
     const slug = t => String(t).toLowerCase().replace(/[^a-z0-9]+/g, '-').replace(/^-+|-+$/g, '').slice(0, 40) || 'doc'
     const out = []
     for (const [k, c] of doc.chapters.entries()) {

package/lib/server.js

@@ -14,6 +14,7 @@
 //   POST <prefix>/doc/text {text, title?}        粘贴的文字，同上
 //   POST <prefix>/doc/confirm {docId, title?, engine?, voice?, speed?}   确定：AI 整理 → 分课朗读翻译
 //   POST <prefix>/doc/cancel {docId} · GET /doc/file?id=&which=clean|raw|original   存档
+//   GET  <prefix>/doc/audio?id=                  文档转音频：整篇文档（几课按顺序接起来）下载成一个 MP3
 //   POST <prefix>/upload?name=                   上传音频（请求体就是文件）
 //   POST <prefix>/grade    {id, i, g}            给一句评分（0 没懂 / 1 半懂 / 2 懂了）
 //   POST <prefix>/resume | retranslate | reset | delete  {id}
@@ -48,6 +49,7 @@ import { exportText, FORMATS } from './export.js'
 import { EDGE_EN_VOICES, EDGE_ZH_VOICES, edgeStatus, installEdge } from './edge.js'
 import { MAX_CHARS, PREP_PROMPT } from './doc.js'
 import { DOC_EXT } from './extract.js'
+import { wholeDocAudio } from './docaudio.js'
 import { detect, getVpsConfig, panelUrl, saveVpsConfig, sshHosts } from './vps.js'
 import { KOKORO_VOICES, kokoroReady, kokoroZhReady, SAY_HINT, sayVoices, ZH_VOICES } from './voices.js'
 import { checkId, deleteLesson, editSentence, getLesson, getProgress, gradeSentence, listLessons, mergeWithNext, resetProgress, setProgressFields, setStar, splitSentence, summary } from './store.js'
@@ -160,7 +162,9 @@ export function createHandler(o) {
           if (q.get('download')) {
             const l = await getLesson(id)
             const meta = TRACKS[track] ? (await listTracks(id))[track] : null
-            const label = TRACKS[track] ? TRACKS[track].label + (meta && meta.voiceLabel ? `（${meta.voiceLabel}）` : '') : '磨耳朵'
+            // 文档课的「原声」其实是朗读
+            const label = track === 'full' && l && l.kind === 'doc' ? `朗读（${l.voiceLabel || 'AI'}）`
+              : TRACKS[track] ? TRACKS[track].label + (meta && meta.voiceLabel ? `（${meta.voiceLabel}）` : '') : '磨耳朵'
             filename = `${(l && (l.titleZh || l.title)) || id} - ${label}.${flac ? 'flac' : 'mp3'}`.replace(/[\\/:*?"<>|]/g, '_')
           }
           if (flac) return serveAudio(req, res, trackFlac(id, track), filename, 'audio/flac')
@@ -191,6 +195,11 @@ export function createHandler(o) {
         }
         if (path === '/formats') return send(res, 200, { formats: FORMATS })
         if (path === '/doc-help') return send(res, 200, { prompt: PREP_PROMPT, maxChars: MAX_CHARS, maxUpload: MAX_DOC_UPLOAD, ext: DOC_EXT })
+        if (path === '/doc/audio') {
+          const a = await wholeDocAudio(String(q.get('id') || ''), { ffmpeg: opts().ffmpeg })
+          const name = `${a.title}${a.voiceLabel ? `（朗读：${a.voiceLabel}）` : ''}.mp3`.replace(/[\\/:*?"<>|]/g, '_')
+          return serveAudio(req, res, a.file, name)
+        }
         if (path === '/doc/file') {
           const id = q.get('id')
           if (!DOC_ID.test(String(id))) return send(res, 400, { error: '文档编号不对' })

package/lib/store.js

@@ -216,6 +216,7 @@ export function summary(l, p) {
   return {
     id: l.id,
     kind: l.kind || 'audio',
+    docId: (l.source && l.source.docId) || '',
     voiceLabel: l.voiceLabel || '',
     title: l.title,
     titleZh: l.titleZh || '',

package/package.json

@@ -1,7 +1,7 @@
 {
   "name": "dsh-tingdong",
-  "version": "0.5.1",
-  "description": "听懂：把英文有声读物（MP3）或英文文档变成听力课。本地识别 / AI 朗读每一句英文、AI 翻译讲解，再用盲听、精听、间隔复习把它练到「一听就懂」。DeepSeek Harness (dsh) 插件。",
+  "version": "0.6.0",
+  "description": "听懂：把英文有声读物（MP3）或英文文档变成听力课，练到「一听就懂」。英文音频 → 带时间的字幕 → 时间对齐的中文配音；文档 / 文字 → AI 朗读音频 → 下载到本地。DeepSeek Harness (dsh) 插件。",
   "keywords": [
     "dsh-plugin",
     "dsh-plugins",