kingkont 0.7.2 → 0.7.4

package/index.html

@@ -1343,7 +1343,15 @@
         </div>
       </div>
     </label>
-    <label id="voiceRow" style="display: none;">Голос (ElevenLabs v3)
+    <label id="ttsModelRow" style="display: none;">Модель TTS
+      <div class="seg-control" style="flex-wrap:wrap;">
+        <button class="seg active" data-tts-model="qwen/qwen3-tts" type="button" title="Qwen TTS — мульти-язык, ready-голоса">Qwen TTS</button>
+        <button class="seg" data-tts-model="elevenlabs/v3" type="button" title="ElevenLabs v3 — лучший EN, тоны">ElevenLabs v3</button>
+        <button class="seg" data-tts-model="minimax/speech-02-hd" type="button" title="MiniMax Speech HD — клон-голоса">MiniMax Speech HD</button>
+        <button class="seg" data-tts-model="google/gemini-3.1-flash-tts-preview" type="button" title="Gemini 3.1 Flash TTS">Gemini Flash TTS</button>
+      </div>
+    </label>
+    <label id="voiceRow" style="display: none;">Голос
       <select id="genVoice"></select>
     </label>
     <label id="tonesRow" style="display: none;">Тоны
@@ -1729,6 +1737,7 @@ const state = {
   genKind: 'image',
   imageModel: 'nano-banana-2',  // 'nano-banana-2' | 'grok' | ...
   videoModel: localStorage.getItem('videoModel') || 'seedance-2',  // 'seedance-2' | 'kling-o1' | 'kling-3.0' | ...
+  ttsModel: localStorage.getItem('ttsModel') || 'qwen/qwen3-tts',  // qwen/elevenlabs/v3/minimax/speech-02-hd/gemini
   videoDuration: +(localStorage.getItem('videoDuration') || 5),
   videoResolution: localStorage.getItem('videoResolution') || '720p',
   videoAspect: localStorage.getItem('videoAspect') || '9:16',
@@ -3760,6 +3769,8 @@ async function openGenerateForRef(fromNode, clientX, clientY, forceKind) {
 
     $('videoModelRow').style.display = forceKind === 'video' ? '' : 'none';
     $('voiceRow').style.display      = forceKind === 'audio' ? '' : 'none';
+
+    $('ttsModelRow').style.display      = forceKind === 'audio' ? '' : 'none';
     $('tonesRow').style.display      = forceKind === 'audio' ? '' : 'none';
     const titleEl = $('genTitle');
     if (titleEl) {
@@ -5013,6 +5024,8 @@ async function regenerateNode(node) {
   $('videoModelRow').style.display = state.genKind === 'video' ? '' : 'none';
   $('voiceRow').style.display      = state.genKind === 'audio' ? '' : 'none';
 
+  $('ttsModelRow').style.display      = state.genKind === 'audio' ? '' : 'none';
+
   if (g.modelKey && state.genKind === 'image') {
     state.imageModel = g.modelKey;
     document.querySelectorAll('#genModal [data-img-model]').forEach(b =>
@@ -5028,7 +5041,9 @@ async function regenerateNode(node) {
     syncVideoModelActive();
   }
   if (state.genKind === 'audio') {
-    await loadVoices();
+    if (g.ttsModel) state.ttsModel = g.ttsModel;
+    syncTtsModelActive();
+    if (state.ttsModel === 'elevenlabs/v3') await loadVoices();
     if (g.voiceId) $('genVoice').value = g.voiceId;
     state.activeTones = (g.tones || []).slice();
     state.toneSuggestions = (g.tones || []).slice();
@@ -5175,6 +5190,7 @@ async function regenerateInto(node, kind, rawPrompt, opts = {}) {
 
   const seedGen = kind === 'audio'
     ? { kind, prompt: resolvedPrompt, rawPrompt, model: modelId, voiceId, voiceName,
+        ttsModel: state.ttsModel || node.generated?.ttsModel || 'qwen/qwen3-tts',
         tones: [...state.activeTones], state: 'submitting' }
     : { kind, prompt: resolvedPrompt, rawPrompt, modelKey, model: modelId,
         refs: refs ? refs.map(r => ({ name: r.name, type: r.type, file: r.file })) : [],
@@ -5961,6 +5977,8 @@ function openPhraseFor(charInfo) {
 
   $('videoModelRow').style.display = 'none';
   $('voiceRow').style.display = '';
+
+  $('ttsModelRow').style.display = '';
   $('tonesRow').style.display = '';
   loadVoices().then(() => {
     if (charInfo.voice) $('genVoice').value = charInfo.voice;
@@ -6142,6 +6160,8 @@ async function openGenModal(kind) {
 
   $('videoModelRow').style.display = kind === 'video' ? '' : 'none';
   $('voiceRow').style.display      = kind === 'audio' ? '' : 'none';
+
+  $('ttsModelRow').style.display      = kind === 'audio' ? '' : 'none';
   $('tonesRow').style.display      = kind === 'audio' ? '' : 'none';
   // Заголовок модалки = действие
   const title = $('genTitle');
@@ -6562,8 +6582,14 @@ document.querySelectorAll('#genModal [data-kind]').forEach(b => {
 
     $('videoModelRow').style.display = state.genKind === 'video' ? '' : 'none';
     $('voiceRow').style.display      = state.genKind === 'audio' ? '' : 'none';
+
+    $('ttsModelRow').style.display      = state.genKind === 'audio' ? '' : 'none';
     $('tonesRow').style.display      = state.genKind === 'audio' ? '' : 'none';
-    if (state.genKind === 'audio') { loadVoices(); renderTones(); }
+    if (state.genKind === 'audio') {
+      syncTtsModelActive();
+      if (state.ttsModel === 'elevenlabs/v3') loadVoices();
+      renderTones();
+    }
     const ph = state.genKind === 'audio'
       ? 'Текст, который надо озвучить...'
       : 'Что должно быть. Печатай @ чтобы вставить ссылку на ноду...';
@@ -6825,6 +6851,25 @@ document.querySelectorAll('#genModal [data-vid-model]').forEach(b => {
     localStorage.setItem('videoModel', state.videoModel);
   });
 });
+// Переключатель модели TTS
+document.querySelectorAll('#genModal [data-tts-model]').forEach(b => {
+  b.addEventListener('click', () => {
+    document.querySelectorAll('#genModal [data-tts-model]').forEach(x => x.classList.remove('active'));
+    b.classList.add('active');
+    state.ttsModel = b.dataset.ttsModel;
+    localStorage.setItem('ttsModel', state.ttsModel);
+    // voiceRow с ElevenLabs-голосами имеет смысл только для elevenlabs/v3.
+    const showVoice = state.ttsModel === 'elevenlabs/v3';
+    $('voiceRow').style.display = showVoice ? '' : 'none';
+  });
+});
+function syncTtsModelActive() {
+  document.querySelectorAll('#genModal [data-tts-model]').forEach(b =>
+    b.classList.toggle('active', b.dataset.ttsModel === state.ttsModel));
+  // Скрыть voiceRow если модель не elevenlabs (только для неё имеет смысл список).
+  const showVoice = state.ttsModel === 'elevenlabs/v3';
+  $('voiceRow').style.display = showVoice ? '' : 'none';
+}
 // Подсветить активную video-модель при открытии modal'а
 function syncVideoModelActive() {
   document.querySelectorAll('#genModal [data-vid-model]').forEach(b =>
@@ -6956,6 +7001,7 @@ $('genSubmit').addEventListener('click', async () => {
         kind: 'audio',
         prompt: finalText, rawPrompt,
         model: 'eleven_v3', voiceId, voiceName,
+        ttsModel: state.ttsModel || 'qwen/qwen3-tts',
         tones: [...state.activeTones],
       },
     };
@@ -7116,11 +7162,14 @@ async function runTTSJob(node, text, boardHandle, bKey, voiceId) {
       n.generated = { ...(n.generated || {}), state: 'submitting' };
     });
     const provider = await plannedProvider('tts');
-    logJob(node.id, `→ POST /api/tts → ${provider} (voice=${voiceId})`);
+    // ttsModel может быть сохранён в node.generated.ttsModel (при regenerate)
+    // или в текущем глобальном state.ttsModel (новая генерация).
+    const ttsModel = node.generated?.ttsModel || state.ttsModel || 'qwen/qwen3-tts';
+    logJob(node.id, `→ POST /api/tts → ${provider} (model=${ttsModel} voice=${voiceId || '—'})`);
     const r = await fetch('/api/tts', {
       method: 'POST',
       headers: { 'Content-Type': 'application/json' },
-      body: JSON.stringify({ text, voiceId, modelId: 'eleven_v3' }),
+      body: JSON.stringify({ text, voiceId, ttsModel }),
     });
     logJob(node.id, `← via ${r.headers.get('x-provider') || '?'} HTTP ${r.status}`);
     if (!r.ok) {
@@ -7785,6 +7834,8 @@ async function openGenAudioForTimeline(charInfo, track, time) {
 
   $('videoModelRow').style.display = 'none';
   $('voiceRow').style.display = '';
+
+  $('ttsModelRow').style.display = '';
   $('tonesRow').style.display = '';
   $('sourceRefRow').style.display = 'none';
   $('charsPickRow').style.display = 'none';

package/main.js

@@ -415,8 +415,7 @@ ipcMain.handle('updates:check', async () => {
 //
 // Streamим stdout/stderr в renderer через 'updates:install-output' events.
 // На EACCES (нет прав на global install) renderer покажет команду для
-// ручного запуска с sudo.
-const { spawn } = require('child_process');
+// ручного запуска с sudo. spawn уже импортирован в начале файла.
 ipcMain.handle('updates:install', async (e, target = 'latest') => {
   return new Promise((resolve, reject) => {
     const shell = process.env.SHELL || '/bin/bash';

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "kingkont",
-  "version": "0.7.2",
+  "version": "0.7.4",
   "description": "KingKont · Chatium — нод-редактор сцен с AI-генерацией (картинки/видео/голос/SFX/музыка/текст)",
   "main": "main.js",
   "bin": {

package/server.js

@@ -743,19 +743,62 @@ async function handleMusic(req, res) {
 }
 
 // ---------- /api/tts (Chatium ИЛИ ElevenLabs v3) ----------
+// Body клиента (всё опц. кроме text):
+//   {
+//     text,
+//     ttsModel?: 'qwen/qwen3-tts' | 'elevenlabs/v3' | 'minimax/speech-02-hd'
+//              | 'google/gemini-3.1-flash-tts-preview',
+//     voice?: string,           // voiceId/speaker зависит от модели
+//     voiceId?: string,         // legacy alias для voice (ElevenLabs)
+//     modelId?: string,         // legacy: 'eleven_v3' и т.д.
+//     // Любые per-provider параметры пробрасываются в Chatium как есть:
+//     stability, similarity_boost, style, speed, language_code,
+//     pitch, volume, emotion, sample_rate, audio_format, language_boost,
+//     mode, speaker, voice_description, style_instruction, ...
+//   }
+const TTS_PASSTHROUGH = new Set([
+  'voice', 'voiceId', 'voice_id', 'speaker',
+  'language', 'language_code', 'language_boost',
+  'speed', 'pitch', 'volume',
+  'stability', 'similarity_boost', 'style', 'style_instruction',
+  'audio_format', 'sample_rate', 'bitrate', 'channel', 'emotion',
+  'subtitle_enable', 'english_normalization',
+  'voice_description', 'reference_audio', 'reference_text', 'mode',
+  'previous_text', 'next_text',
+]);
 async function handleTts(req, res) {
-  const { text, voiceId = 'JBFqnCBsd6RMkjVDRZzb', modelId = 'eleven_v3' } = await readJson(req);
+  const body = await readJson(req);
+  const text = body.text;
   if (!text) return send(res, 400, { error: 'нужен text' });
   const s = getSettings();
 
+  // Chatium-путь — поддерживает 4 модели (Qwen TTS, ElevenLabs v3,
+  // MiniMax Speech HD, Gemini 3.1 Flash TTS — см. spaces/api/execAudioNode.ts).
   if (s.useChatium && s.chatium?.token && s.chatium?.base) {
-    return handleAudioViaChatium(res, s, { kind: 'tts', text, voice: voiceId, model: modelId });
+    const ttsBody = { kind: 'tts', text };
+    // Маппинг легаси `modelId` → `model` (старый клиент шлёт modelId='eleven_v3').
+    if (body.ttsModel) ttsBody.model = body.ttsModel;
+    else if (body.modelId === 'eleven_v3') ttsBody.model = 'elevenlabs/v3';
+    else if (body.modelId) ttsBody.model = body.modelId;
+    // voice: поддерживаем оба имени (voice или voiceId).
+    if (body.voice) ttsBody.voice = body.voice;
+    else if (body.voiceId) ttsBody.voice = body.voiceId;
+    // Per-model passthrough.
+    for (const k of Object.keys(body)) {
+      if (k === 'text' || k === 'voice' || k === 'voiceId' || k === 'ttsModel' || k === 'modelId') continue;
+      if (TTS_PASSTHROUGH.has(k)) ttsBody[k] = body[k];
+    }
+    return handleAudioViaChatium(res, s, ttsBody);
   }
+
+  // Прямой ElevenLabs (только eleven_v3, остальные модели только через Chatium).
   if (!s.useElevenlabs) {
     return send(res, 503, { error: 'Аудио-коннектор отключён. Включите Chatium или ElevenLabs.' });
   }
   const key = process.env.ELEVENLABS_API_KEY;
   if (!key) return send(res, 500, { error: 'ELEVENLABS_API_KEY не задан' });
+  const voiceId = body.voiceId || body.voice || 'JBFqnCBsd6RMkjVDRZzb';
+  const modelId = body.modelId || 'eleven_v3';
   logProviderCall('POST', 'ElevenLabs', `${ELEVEN_BASE}/v1/text-to-speech/${voiceId}`, `model=${modelId} text=${text.length}ch`);
   const r = await fetch(`${ELEVEN_BASE}/v1/text-to-speech/${voiceId}`, {
     method: 'POST',