一个 SillyTavern 第三方 TTS 扩展，让 SillyTavern 直连 Breeze TTS 2 推理引擎（不经过 TTS-Router）。
目标是把 Breeze TTS 2 的表达能力全部用起来，让 RP 朗读"像广播剧"：
- 🎭 台词情绪导演：学习 TTS-Router 的分层经验——旁白（引号和 **…** 之外的全部文字）平铺直叙，不打标；引号台词与 **内心想法** 用快速打标 API（OpenAI 兼容，约 0.2s/条）标注情绪。
- 🗂️ 11 情绪体系：SFW 六种（喜/怒/哀/乐/着急/平静）+ NSFW 五段（挑逗/渐入佳境/激情互动/高潮迭起/缠绵悱恻，按情节先后）；词典与 Prompt 均可编辑。
- 🎙️ 声线库（克隆 + 设计双模式）：每个角色可以上传参考音频 + 精确文字稿克隆音色，也可以纯文字描述设计音色；克隆模式下情绪指令只"偏移"克隆底色（cfg 语义由引擎模板层保证），音色不飘。
- 😂 内嵌声音事件：
[笑] [咳嗽] [清嗓子] [叹气]/(laugh) (cough) (clears throat) (sigh)由 LLM 按剧情注入朗读副本，或直接透传角色卡里已有的标签；其余未知括号标签自动剔除，不会被念出来。 - 🗣️ 三路分声：配合 ST 多声线模式，引号台词 / 星号动作 / 旁白 各自映射不同声线（动作和旁白可设为静音）。
- ⚡ 流式低延迟：句级分块 + PCM 流式切片（引擎 TTFA≈0.13s，首片 2 秒音频约 2 秒出声）； 消息渲染即后台预分析情绪，首块不等 LLM（规则兜底即时出声，后续块应用 LLM 结果）； 引擎单并发 409 自动退避重试。
- 🧰 安全清洗：markdown、代码块、
<think>、OOC 括号全部剥离后再送 TTS。
- SillyTavern ≥ 1.12.0（在 release 分支 1.18.x 上开发验证）
- 一个已启动的 Breeze TTS 2 推理引擎（
breeze_infer.api，默认端口 9897），且已开启 CORS （本仓库配套的引擎入口默认开启 CORS，可用环境变量BREEZE_CORS_ORIGINS收紧来源） - 显卡显存 ≥ 12GB（引擎约需 10.9GB；官方
--fast-all需要 24GB，12GB 卡请保持默认 fast 组合）
把本项目推到一个 git 仓库后，在 SillyTavern 的 扩展面板 → Install extension → 用 git URL 安装 填入仓库地址即可。
把整个文件夹拷到 SillyTavern 的扩展目录：
SillyTavern/public/scripts/extensions/third-party/breeze-tts-2/
刷新浏览器，在 扩展面板 里启用 Breeze TTS 2。
旧 TTS-Router 时代的
gpt-sovits-adapter.js补丁与本扩展无冲突，但请在 TTS 扩展的 Provider 下拉里选择 Breeze TTS 2（不要再选 GPT-SoVITS-Adapter）。
设置在哪里？ 本扩展是 TTS Provider，没有独立标签页。它的设置面板出现在： 用户设置（最上方滑块图标）→ 扩展(Extensions) → TTS 板块 → 「TTS Provider」下拉选择
Breeze TTS 2，面板随即显示在下拉框下方。另外扩展设置列表里还有一个 「🌬️ Breeze TTS 2」独立抽屉（引擎状态、一键启用、快速指引），装好后即可见。
- 引擎地址：TTS 面板的 Breeze 设置区顶部填引擎地址（如
http://<GPU机IP>:9897），点「检测」应显示 ✅。 - 建声线：在「声线库」新建——
- 设计模式：一句话描述音色（如"温柔的年轻女性，声音清晰柔软"），CFG 建议 4；
- 克隆模式：上传一段 ≤30 秒的干净人声 + 与之一字不差的文字稿，CFG 建议 1.5~2.5。
- 绑定角色：TTS 扩展的 Voice Map 里把角色映射到刚建的声线名称。
- （可选）多声线：在 TTS 扩展设置勾选 Different voices for "quotes", *text inside asterisks* and other text （该选项建议配合 Pass Asterisks to TTS Engine 开启、并关闭 "Only narrate quotes" 与 "Ignore *text*" 两个选项）。之后 Voice Map 里每个角色会出现三个条目 （Quotes / *Text inside asterisks* / Other text），动作与旁白可以指到 「叙述者」声线或 🔇 静音。
- 开聊。每条角色消息渲染后会先经 LLM 标注情绪（有句级缓存），随后逐句合成播放。
- 分层：消息先按 Router 经验切分——
**…**为内心想法，"…" “…” 「…」 『…为台词候选 （引号内容默认按台词处理；拟声词、≤4 字且无句读且引号前没有说话动词的，按强调/引用归入旁白）， 其余全部为旁白。旁白不打标、不叠情绪，用「旁白声线」平铺直叙（可在设置中指定）。 - 打标：台词与内心想法逐句送打标后端，输出 1~11 的数字（max_tokens 很小，约 0.2s/条）。 后端三选一：独立打标 API（OpenAI 兼容：地址+模型+密钥，推荐，例如 TTS-Router 时代 的快速分类模型）/ SillyTavern 当前 LLM / 关闭。失败自动熔断 60s，退回标点规则。
- 时序：消息一渲染就后台预分析（与 TTS 排队并行）；合成首块若缓存未就绪则立即用 标点规则出声（不等打标），第 2 块起应用打标结果。
- 缓存：句级缓存（同一句不重复分析，编辑/重 roll 自动失效）。
- 词典与 Prompt 均可编辑（设置面板 → 情绪打标）。默认词典刻意克制，避免"做作"。
- 语速：整体提速用 TTS 扩展自带的「Playback Rate / 播放速度」设为 1.15（浏览器变速 不变调），比 Prompt 提示语速更可控；特殊情绪的语速差异由词典描述表达。
- 参考音频：干净人声、无背景噪声；文字稿必须是逐字转录（含语气词）。
- 参考 ≤30 秒：参考音频按 12.5 token/秒 计入 2048 帧总预算，过长会挤压生成空间。
- 设计模式指令写"音色+气质"（人称、年龄、质感、语速），中文角色用中文描述。
- 想强化指令遵循就提高 CFG（克隆模式 2~4），但过高的 CFG 在克隆模式下会 削弱音色稳定性，请自行权衡。
| 现象 | 原因与处理 |
|---|---|
| 「检测」显示无法连接 | 引擎没起 / 地址错 / CORS 未开（浏览器 F12 里看到 CORS 报错即此类） |
| 全部请求 409 | 引擎单并发被占（预览播放中/其他客户端在用），插件会自动重试 4 次，仍失败请稍后再试 |
| 503 | 引擎在加载模型（冷启动 warmup 约 1 分钟），等待即可 |
| 声音里念出括号内容 | 关闭了「剔除未知标签」？或角色卡用了非白名单事件（可把其改写为 8 个合法标签） |
| 音色和预期不符 | 克隆模式检查文字稿是否逐字一致；设计模式尝试提高 CFG 到 4 并丰富描述 |
| 情绪永远"中性" | LLM 分析失败走了规则兜底——打开浏览器控制台看 [BreezeTTS2] 日志；或在设置里关闭「模拟 LLM 失败」类选项/检查当前 API 是否可用 |
| Voice Map 里找不到声线 | 点 TTS 面板的刷新，或先在本扩展设置里「保存声线」（会触发 Voice Map 重建） |
node test/run-tests.mjs # 纯逻辑单测（清洗/分块/WAV/情绪/声线库）
node test/mock-server.mjs # 起模拟 ST + 模拟引擎（:8125 控制台 / :9899 引擎）
# 浏览器打开 http://127.0.0.1:8125/ 可视化联调完整链路
node test/run-e2e.mjs # 无头端到端：provider 管线 → 模拟引擎（含 409 重试）manifest.json # ST 扩展清单
index.js # 入口：等待 TTS 扩展后注册 provider
src/provider.js # provider 契约实现 + 设置界面
src/engine-client.js # 引擎 HTTP 客户端（409 退避、PCM→WAV）
src/emotion.js # 情绪引擎（LLM 分析/缓存/词典编译/规则兜底）
src/text.js # 清洗、事件白名单、分句分块
src/voices.js # 声线库存取、导入导出、静音声线
style.css # 设置面板样式
test/ # 单测 / 模拟环境 / 端到端
- 本扩展代码仅供自用学习。
- BreezeBlue/breeze-tts（Apache-2.0）； Breeze TTS 2 模型权重与产出受 BreezeBlue 研究与非商业许可约束，请遵守。
- SillyTavern 及其 TTS 扩展框架。