voiceclone

type AuthToken struct {
	AccessToken string `json:"accesstoken"`
	ExpiresIn   string `json:"expiresin"`
	RetCode     string `json:"retcode"`
}

type Config struct {
	Provider Provider               `json:"provider"` // 服务提供商
	Options  map[string]interface{} `json:"options"`  // 提供商特定配置
}

type CreateTaskRequest struct {
	TaskName      string  `json:"task_name"`      // 任务名称
	Sex           int     `json:"sex"`            // 性别 1:男 2:女
	AgeGroup      int     `json:"age_group"`      // 年龄段 1:儿童 2:青年 3:中年 4:中老年
	Language      string  `json:"language"`       // 语言代码，如 zh, en
	ResourceType  int     `json:"resource_type"`  // 12=一句话复刻
	EngineVersion string  `json:"engine_version"` // 多风格版传 omni_v1；标准版不传
	Denoise       int     `json:"denoise"`        // 0关 1开
	MosRatio      float64 `json:"mos_ratio"`      // 音频检测阈值，0 表示关闭
}

type CreateTaskResponse struct {
	TaskID string `json:"task_id"` // 任务ID
}

type Factory struct{}

type Provider string

type SentenceTimestamp struct {
	StartTime int64 `json:"start_time"` // 开始时间（毫秒）
	EndTime   int64 `json:"end_time"`   // 结束时间（毫秒）
}

type SubmitAudioRequest struct {
	TaskID    string    `json:"task_id"`     // 任务ID
	TextID    int64     `json:"text_id"`     // 训练文本ID
	TextSegID int64     `json:"text_seg_id"` // 文本段落ID
	AudioFile io.Reader `json:"-"`           // 音频文件
	Language  string    `json:"language"`    // 语言代码
	MosRatio  float64   `json:"mos_ratio"`   // 可选，>0 开启音频检测
}

type SynthesisHandler interface {
	OnMessage([]byte)
	OnTimestamp(timestamp SentenceTimestamp)
}

type SynthesizeRequest struct {
	AssetID    string `json:"asset_id"`    // 训练得到的音色 id（assetId / res_id）
	Text       string `json:"text"`        // 要合成的文本
	Language   string `json:"language"`    // 语言代码，映射为 languageID
	LanguageID *int   `json:"language_id"` // 0中文 1英 2日 3韩 4俄 5法 6阿 7西 8粤语
	Style      string `json:"style"`       // 多风格版方言/情感，见官方 style 列表
}

type SynthesizeResponse struct {
	AudioData  []byte  `json:"audio_data"`  // 音频数据
	Format     string  `json:"format"`      // 音频格式，如 pcm, wav, mp3
	SampleRate int     `json:"sample_rate"` // 采样率
	Duration   float64 `json:"duration"`    // 音频时长（秒）
}

type TaskStatus struct {
	TaskID     string         `json:"task_id"`     // 任务ID
	TaskName   string         `json:"task_name"`   // 任务名称
	Status     TrainingStatus `json:"status"`      // 训练状态
	AssetID    string         `json:"asset_id"`    // 音色ID（训练成功后返回）
	TrainVID   string         `json:"train_vid"`   // 音库ID
	FailedDesc string         `json:"failed_desc"` // 失败原因
	Progress   float64        `json:"progress"`    // 训练进度 0-100
	CreatedAt  time.Time      `json:"created_at"`  // 创建时间
	UpdatedAt  time.Time      `json:"updated_at"`  // 更新时间
}

type TextSegment struct {
	SegID   interface{} `json:"seg_id"` // 可能是字符串或数字
	SegText string      `json:"seg_text"`
}

type TrainingStatus int

type TrainingText struct {
	TextID   int64         `json:"text_id"`
	TextName string        `json:"text_name"`
	Segments []TextSegment `json:"segments"`
}

type VoiceCloneService interface {
	// Provider 返回服务提供商名称
	Provider() Provider

	// GetTrainingTexts 获取训练文本列表
	GetTrainingTexts(ctx context.Context, textID int64) (*TrainingText, error)

	// CreateTask 创建训练任务
	CreateTask(ctx context.Context, req *CreateTaskRequest) (*CreateTaskResponse, error)

	// SubmitAudio 提交音频文件
	SubmitAudio(ctx context.Context, req *SubmitAudioRequest) error

	// QueryTaskStatus 查询任务状态
	QueryTaskStatus(ctx context.Context, taskID string) (*TaskStatus, error)

	// Synthesize 使用训练好的音色合成语音（批量模式，返回完整音频）
	Synthesize(ctx context.Context, req *SynthesizeRequest) (*SynthesizeResponse, error)

	// SynthesizeStream 使用训练好的音色流式合成语音（流式模式，通过 handler 回调）
	SynthesizeStream(ctx context.Context, req *SynthesizeRequest, handler SynthesisHandler) error
}

type VoiceCloneSynthesisService struct {
	// contains filtered or unexported fields
}

type VolcAddition struct {
	Frontend string `json:"frontend"`
}

type VolcengineCloneConfig struct {
	AppID         string  `json:"app_id"`
	Token         string  `json:"token"`          // WebSocket认证token（必需）
	Cluster       string  `json:"cluster"`        // 集群名称，默认 "volcano_icl"
	VoiceType     string  `json:"voice_type"`     // 音色类型（训练好的音色ID）
	Encoding      string  `json:"encoding"`       // 编码格式，默认 "pcm"
	SampleRate    int     `json:"sample_rate"`    // 采样率，默认 8000
	BitDepth      int     `json:"bit_depth"`      // 位深度，默认 16
	Channels      int     `json:"channels"`       // 声道数，默认 1
	FrameDuration string  `json:"frame_duration"` // 帧时长，默认 "20ms"
	SpeedRatio    float64 `json:"speed_ratio"`    // 语速比例，默认 1.0
	TrainingTimes int     `json:"training_times"` // 训练次数，默认 1
}

type VolcengineCloneService struct {
	// contains filtered or unexported fields
}

type VolcengineResponse struct {
	ProtocolVersion          int
	HeaderSize               int
	MessageType              int
	MessageTypeSpecificFlags int
	SerializationMethod      int
	MessageCompression       int
	Reserved                 int
	SequenceNumber           int
	PayloadSize              int
	Audio                    []byte
	IsLast                   bool
	ErrorCode                int
	ErrorMessage             string
	Timestamp                *VolcengineSentenceTimestamp
}

type VolcengineSentenceTimestamp struct {
	Words []Word `json:"words"`
}

type Word struct {
	Confidence float64 `json:"confidence"`
	EndTime    int     `json:"end_time"`
	StartTime  int     `json:"start_time"`
	Word       string  `json:"word"`
}

type XunfeiCloneConfig struct {
	AppID              string `json:"app_id"`
	APIKey             string `json:"api_key"`
	BaseURL            string `json:"base_url"`
	Timeout            int    `json:"timeout"`
	EngineVersion      string `json:"engine_version"` // 多风格版: omni_v1
	VCN                string `json:"vcn"`            // 合成 vcn：多风格 x6_clone，标准 x5_clone
	WebSocketAppID     string `json:"ws_app_id"`
	WebSocketAPIKey    string `json:"ws_api_key"`
	WebSocketAPISecret string `json:"ws_api_secret"`
}

type XunfeiCloneService struct {
	// contains filtered or unexported fields
}