'commit'

dsLightRag/Util/TTS_Pipeline.py

@@ -3,72 +3,31 @@ import json
 import os
 import re
 import uuid
-import websockets
 from queue import Queue
 
+import websockets
+
 from Config import Config
-from Util.LlmUtil import get_llm_response
 from Util.TTS_Protocols import full_client_request, receive_message, MsgType, EventType
+# 添加必要的导入
+from Util.XueBanUtil import get_xueban_response_async
 
 
-def stream_and_split_text(query_text):
-    prompt = """ |
-          我是小智/小志，来自中国台湾省的00后女生。讲话超级机车，"真的假的啦"这样的台湾腔，喜欢用"笑死""是在哈喽"等流行梗。
-          [核心特征]
-          - 讲话像连珠炮，但会突然冒出超温柔语气
-          - 用梗密度高
-          - 只对打招呼和已经提供的试题相关问题进行回答，没有找到相关问题就回答：我现在是你的学伴，不能陪你聊这科学习以外的内容。
-          [交互指南]
-          当用户：
-          - 讲冷笑话 → 用夸张笑声回应+模仿台剧腔"这什么鬼啦！"
-          - 问专业知识 → 先用梗回答，被追问才展示真实理解
-          绝不：
-          - 长篇大论，叽叽歪歪
-          - 长时间严肃对话
-          - 每次回答不要太长，控制在3分钟以内
-        """
-    # 打开文件读取知识内容
-    f = open(r"D:\dsWork\dsProject\dsLightRag\static\YunXiao.txt", "r", encoding="utf-8")
-    zhishiContent = f.read()
-    zhishiContent = "选择作答的相应知识内容:" + zhishiContent + "\n"
-    query_text = zhishiContent + "下面是用户提的问题：" + query_text
+async def stream_and_split_text(query_text=None, llm_stream=None):
     """
     流式获取LLM输出并按句子分割
-    @param prompt: 提示文本
-    @return: 生成器，每次产生一个完整句子
-    """
-    buffer = ""
-    
-    # 使用LlmUtil中的get_llm_response函数获取流式响应
-    for content in get_llm_response(query_text, stream=True):
-        buffer += content
-        
-        # 使用正则表达式检测句子结束
-        sentences = re.split(r'([。！？.!?])', buffer)
-        if len(sentences) > 1:
-            # 提取完整句子
-            for i in range(0, len(sentences)-1, 2):
-                if i+1 < len(sentences):
-                    sentence = sentences[i] + sentences[i+1]
-                    yield sentence
-            
-            # 保留不完整的部分
-            buffer = sentences[-1]
-    
-    # 处理最后剩余的部分
-    if buffer:
-        yield buffer
-
-
-# 修改为
-async def stream_and_split_text(llm_stream):
-    """
-    流式获取LLM输出并按句子分割
-    @param llm_stream: LLM流式响应生成器
+    @param query_text: 查询文本（如果直接提供查询文本）
+    @param llm_stream: LLM流式响应生成器（如果已有流式响应）
     @return: 异步生成器，每次产生一个完整句子
     """
     buffer = ""
     
+    if llm_stream is None and query_text is not None:
+        # 如果没有提供llm_stream但有query_text，则使用get_xueban_response_async获取流式响应
+        llm_stream = get_xueban_response_async(query_text, stream=True)
+    elif llm_stream is None:
+        raise ValueError("必须提供query_text或llm_stream参数")
+    
     # 直接处理LLM流式输出
     async for content in llm_stream:
         buffer += content
@@ -89,6 +48,24 @@ async def stream_and_split_text(llm_stream):
     if buffer:
         yield buffer
 
+# 修改streaming_tts_pipeline函数
+async def streaming_tts_pipeline(query_text, audio_callback):
+    """
+    流式TTS管道：获取LLM流式输出并断句，然后使用TTS合成语音
+    
+    Args:
+        query_text: 查询文本
+        audio_callback: 音频数据回调函数
+    """
+    # 1. 获取LLM流式输出并断句
+    text_stream = stream_and_split_text(query_text=query_text)
+    
+    # 2. 初始化TTS处理器
+    tts = StreamingVolcanoTTS()
+    
+    # 3. 流式处理文本并生成音频
+    await tts.synthesize_stream(text_stream, audio_callback)
+
 
 class StreamingVolcanoTTS:
     def __init__(self, voice_type='zh_female_wanwanxiaohe_moon_bigtts', encoding='wav', max_concurrency=2):