feat(tts): Add custom voice timbre support for TTS

[lanyunziyu]

Add custom sound color feature to TTS functionality, allowing users to upload reference audio files or URLs to customize voice characteristics.

Backend changes:

• Add customize_sound_color feature flag to TTSModelFeatures
• Add speakers parameter support in TtsRequest for multi-speaker configuration
• Add input_state property to VoiceProperties for UI prompts

Frontend changes:

• Add comprehensive custom voice UI with file upload and URL input modes
• Add fetch-audio API route for CORS-free audio URL processing
• Support dual speaker configuration (S1/S2) with audio references
• Add dialect prompt support for voice customization

[szl97]

@claude 检查提交的代码，使用中文回复

[szl97]

Claude finished @szl97's task —— View job

---

代码审查进度

正在检查提交的代码，以下是审查任务列表：

• 分析后端 Java 文件变更（TTSModelFeatures.java）
• 审查 TtsRequest.java 的新增参数支持
• 检查 VoiceProperties.java 的属性扩展
• 审查新增的 fetch-audio API 路由实现
• 检查前端 speech 页面的大量变更和新功能
• 总结审查结果并提供改进建议

代码审查结果

1. 后端 Java 代码变更

TTSModelFeatures.java ✅ 良好

• 新增 customize_sound_color 特性标志，实现简洁
• 描述信息使用中文，便于理解

TtsRequest.java ✅ 良好

• 新增 speakers 参数支持多说话人配置
• 使用 Map<String, Object> 提供灵活性
• 内存清理逻辑完善，性能考虑周到

VoiceProperties.java ⚠️ 需要改进

• 新增 input_state 属性用于UI提示
• 问题: 属性命名不一致，建议使用驼峰命名 inputState
• 描述为"补充说明"过于简单，建议使用"输入状态提示"

2. 前端代码变更

fetch-audio API路由 (/api/fetch-audio/route.ts) ⚠️ 存在安全隐患

• 安全问题: 未验证URL白名单，可能被滥用进行SSRF攻击
• 建议: 添加URL域名白名单验证，例如：

const allowedDomains = ['trusted-domain.com', 'cdn.example.com'];
const urlObj = new URL(url);
if (!allowedDomains.includes(urlObj.hostname)) {
  return NextResponse.json({ success: false, error: 'Domain not allowed' }, { status: 403 });
}

• 建议: 添加文件大小限制检查（当前可能下载任意大小文件）
• 建议: 添加请求频率限制防止滥用

speech页面 (page.tsx) ⚠️ 复杂度较高，需优化

• UI功能丰富，支持双音色配置（S1/S2）
• 文件上传和URL输入双模式支持良好
• 问题: 组件过于庞大（853行），建议拆分为多个子组件：
  • CustomVoiceSection: 自定义音色配置
  • AudioInputForm: 音频输入表单
  • SpeakerManager: 音色管理器
• 问题: 状态管理复杂（多个useState），可考虑使用useReducer统一管理
• 性能问题: base64音频处理可能占用大量内存，建议：
  • 添加文件大小检查（已有10MB限制，但可考虑更小）
  • 考虑使用Blob URL而非base64减少内存占用

3. 具体代码问题

前端逻辑问题:

• page.tsx:356-378: base64处理逻辑重复，建议提取为工具函数
• page.tsx:439-444: 播放状态检查可能存在内存泄漏，建议在组件卸载时清理定时器
• page.tsx:275-279: 自动切换到S2可能导致用户体验混乱

类型安全:

• TtsRequest.java:26: speakers 字段使用 Map<String, Object> 缺乏类型约束，建议创建专门的Speaker DTO类

改进建议总结

1. 安全性: fetch-audio API需要添加URL白名单和速率限制
2. 代码结构: 前端组件过大，建议模块化拆分
3. 命名规范: Java属性命名保持一致性
4. 性能优化: 减少base64使用，优化内存占用
5. 类型安全: 增强类型定义，减少运行时错误

总体而言，功能实现完整，但在安全性和代码组织方面需要改进。

---