unobox TTS 多引擎集成评估报告

TTS 引擎全集（14 种）
├── 🏠 本地离线引擎（4 种）
│ ├── Sherpa-ONNX + Kokoro ← 主力：中英文双语高质
│ ├── Supertonic TTS ← 极速：英文/韩文
│ ├── Piper TTS ← 兜底：40+ 语言覆盖
│ ├── PaddleSpeech ← 开源：中文离线（Python子进程）
│ └── Pico TTS (SVOX) ← 不推荐：无中文
│
├── 🇨🇳 国内云 TTS（4 种）—— 中文质量最优
│ ├── 阿里云 TTS (Qwen3-TTS) ← 综合最佳
│ ├── 火山引擎 TTS (豆包语音) ← 长文本最低价
│ ├── 腾讯云 TTS ← 预付费最便宜
│ └── 百度智能云 TTS ← 免费额度最大方
│
└── 🌍 国际云 TTS（5 种）—— 多语言/高质量
 ├── OpenAI TTS ← AI 原生，gpt-4o-mini-tts
 ├── Google Cloud TTS ← 语言最多（75+）
 ├── Amazon Polly ← AWS 生态
 ├── Azure Speech ← 国内版便宜
 └── ElevenLabs ← 质量天花板 + 语音克隆

渲染进程（Renderer）                   主进程（Main Process）
══════════════════════                 ════════════════════════════

TTSStore (Zustand)                    TTSManager（类似 ProviderManager）
├─ currentEngine: ITTSProvider         ├─ engines: ITTSProvider[]
├─ voices: TTSVoice[]                  │   │
├─ preferences:                        │   ├─ 🏠 本地引擎（4 种）
│  ├─ enginePriority: 'local-first'    │   │  ├─ SherpaOnnxProvider（主力）
│  └─ fallbackChain: [...]             │   │  ├─ SupertonicProvider（极速英文）
│                                       │   │  ├─ PiperCliProvider（兜底）
 IPC bridge                             │   │  └─ PaddleSpeechProvider（中文开源）
┌──────────────────────────┐            │   │
│ api.tts.*                 │            │   ├─ 🇨🇳 国内云（4 种）
│ - getEngines()            │            │   │  ├─ AliyunQwen3Provider
│ - setEngine()             │            │   │  ├─ VolcengineProvider
│ - getVoices()             │            │   │  ├─ TencentCloudProvider
│ - speak()                 │            │   │  └─ BaiduCloudProvider
│ - speakStream()           │            │   │
│ - setCredentials()        │            │   └─ 🌍 国际云（5 种）
│ - downloadVoice()         │            │     ├─ OpenAIProvider
│ - previewVoice()          │            │     ├─ GoogleCloudProvider
└──────────────────────────┘            │     ├─ AmazonPollyProvider
                                         │     ├─ AzureProvider
useMediaPlayerStore                      │     └─ ElevenLabsProvider
└─ playOrEnqueue({ source: 'ai' })       │
                                         ├─ VoiceManager（统一模型/语音管理）
MiniPlayer / FullPlayer                  │  ├─ 模型下载（Hugging Face / 各云存储）
└─ 零改动，完全复用                      │  ├─ 缓存管理（{userData}/tts-models/）
                                          │  └─ 格式校验
                                          │
                                          └─ IPC Handlers
                                            ├─ tts:get-engines / tts:set-engine
                                            ├─ tts:get-voices / tts:download-voice
                                            ├─ tts:speak / tts:speak-stream
                                            └─ tts:set-credentials

所有用户 ──→ 🏠 本地引擎（默认、免费、零配置）
 ├─ 开箱即用，无需 API Key，无需网络
 ├─ 预打包 1 个保底语音（<15MB），其余按需二次下载
 └─ 覆盖 90% 日常场景

高价值用户 ──→ ☁️ 远程云端引擎（可选、高质量、需自备 API Key）
 ├─ 用户自行注册云服务商账号，自行管理配额和费用
 ├─ unobox 仅提供设置页面的 API Key 配置入口
 └─ 不做代理、不做中转、不计费

┌────────────────────────────┬──────────────────────┬───────────────────────────┬─────────────────────┐
│ 场景                        │ 默认引擎（本地免费）    │ 升级引擎（云端增值）        │ 不推荐              │
├────────────────────────────┼──────────────────────┼───────────────────────────┼─────────────────────┤
│ AI 对话语音回复（中英双语） │ Sherpa-ONNX + Kokoro │ 阿里云 Qwen3-TTS          │ Pico（无中文）      │
│ AI 对话语音回复（纯英文）   │ Supertonic           │ OpenAI / ElevenLabs       │ PaddleSpeech        │
│ 消息朗读（中文）            │ Kokoro               │ 阿里云 Qwen3-TTS          │ Pico / Supertonic   │
│ 消息朗读（英文）            │ Supertonic           │ OpenAI TTS                │ Pico                │
│ 消息朗读（日/韩/德等）      │ Piper TTS            │ Google Cloud TTS          │ Supertonic（无中文） │
│ 极低配设备兜底              │ MATCHA-TTS (<10MB)   │ Piper low 质量            │ PaddleSpeech        │
│ 高质量中文配音（专业需求）   │ —                    │ 阿里云 / 火山引擎          │ —                   │
│ 语音克隆需求（专业需求）     │ —                    │ ElevenLabs / Azure Custom  │ 本地引擎             │
│ 开源可定制中文 TTS          │ PaddleSpeech         │ Kokoro                    │ —                   │
│ 数据隐私优先                │ 本地引擎（全部）       │ —                         │ 全部远程引擎         │
│ 断网环境                    │ 本地引擎（全部）       │ —                         │ 全部远程引擎         │
└────────────────────────────┴──────────────────────┴───────────────────────────┴─────────────────────┘

═══════════════════════════════════════════════════════════════
🏠 Phase 1：本地引擎（免费默认，首批交付，12-18 天）
═══════════════════════════════════════════════════════════════
 目标：覆盖 90% 用户的日常 TTS 场景，零成本、零配置、零网络依赖
 ├─ Sherpa-ONNX + Kokoro-multi-lang（中英文双语主力）
 ├─ Supertonic（极速英文加速引擎）
 ├─ Piper CLI（编译失败兜底 + 多语言扩展）
 ├─ MATCHA-TTS / Piper low 质量（极低配保底语音，<15MB 预打包）
 └─ 设置 UI：
    ├─ 引擎状态（已就绪/未安装）
    ├─ 语音浏览 + 下载管理 + 试听预览
    ├─ 语速/音调调节
    └─ 语音包二次下载（首次启动后台静默下载主力语音）

═══════════════════════════════════════════════════════════════
☁️ Phase 2：远程云端引擎（增值升级，+4-6 天）
═══════════════════════════════════════════════════════════════
 目标：为高价值用户提供更高质量的云端 TTS 选项
 前提：用户自行申请云服务商 API Key，自行承担费用
 ├─ 🇨🇳 国内云：阿里云 Qwen3-TTS / 火山引擎 / 腾讯云 / 百度智能云
 ├─ 🌍 国际云：OpenAI / Google Cloud / Azure / Amazon Polly
 ├─ 设置 UI 新增：
 │   ├─ "☁️ 云端引擎（高级）"折叠分区
 │   ├─ API Key 配置 + 验证 + 本地加密存储
 │   ├─ 隐私声明弹窗（强制确认）
 │   └─ 可用额度查询（远程引擎带有用量估算）
 └─ 降级链：远程超时/失败 → 自动切回本地引擎

═══════════════════════════════════════════════════════════════
💎 Phase 3：专业增强（+2-3 天）
═══════════════════════════════════════════════════════════════
 ├─ ElevenLabs（语音克隆 + 顶级质量，订阅制）
 ├─ PaddleSpeech（开源可定制中文 TTS，Python 依赖）
 └─ Amazon Polly（AWS 生态用户备选）

不推荐:
 └─ 🏠 Pico TTS（无中文，MATCHA-TTS 替代）

第一层：用户知情同意（强制）
 ┌─────────────────────────────────────────┐
 │ ⚠️ 启用远程 TTS 服务                     │
 │                                         │
 │ 您将朗读的消息文本将发送到第三方服务器     │
 │ 进行处理。请确认您已阅读并同意。          │
 │                                         │
 │ ☐ 我理解消息文本将离开本地设备            │
 │ ☐ 我同意服务商的数据处理条款             │
 │                                         │
 │ [取消]               [同意并配置 API Key] │
 └─────────────────────────────────────────┘

第二层：API Key 本地加密存储
 - 所有 API Key 使用设备相关密钥 AES 加密后存储到 app_kv_store
 - 不传输、不同步、不备份到任何远程位置
 - 参考 device.getMachineId() 作为加密盐

第三层：引擎级降级保护
 - 远程请求超时（5s）→ 自动回退到本地引擎
 - 余额不足 / 配额超限 → 提示用户，同时切回本地
 - 网络断开 → 静默切换，用户无感知

用户点击"朗读"消息时的引擎选择流程：

1. 检查用户偏好设置
 ├─ "🔒 仅本地" → 跳过远程，直接用本地引擎
 ├─ "☁️ 远程优先" → 先尝试远程，失败则降级
 └─ "🏠 本地优先"（默认）→ 本地可用即用本地

2. 🏠 "本地优先" 降级链（推荐默认）：
 Sherpa-ONNX Kokoro (<2s 生成)
 → Supertonic（英文）
 → Piper CLI
 → PaddleSpeech（中文备选）
 → 用户已配的远程引擎
 → 全部失败 → 提示用户

3. ☁️ "远程优先" 降级链：
 阿里云 Qwen3-TTS (3s 超时，中文)
 → 火山引擎 (3s 超时)
 → 腾讯云 / 百度智能云 (3s 超时)
 → OpenAI / Google / Azure (3s 超时)
 → 本地 Kokoro（最终兜底）

4. 自动降级时的 UI 反馈：
 ┌─────────────────────────────────────┐
 │ TTS 合成中...                        │
 │ 🟡 远程引擎无响应，正在切换本地引擎... │
 │ [取消朗读]                           │
 └─────────────────────────────────────┘

新增文件清单（约 18 个文件）
═══════════════════════════════════════

核心接口（1 个文件）:
├── packages/core/src/providers/ITTSProvider.ts # 统一 TTS Provider 接口 + 类型定义

主进程 - 本地引擎实现（4 个文件）:
├── apps/desktop/src/main/tts/
│   ├── TTSManager.ts                # 多引擎管理器（类似 ProviderManager）
│   ├── providers/
│   │   ├── SherpaOnnxProvider.ts     # Sherpa-ONNX 引擎（Kokoro + Piper/VITS）
│   │   ├── SupertonicProvider.ts     # Supertonic 引擎
│   │   ├── PiperCliProvider.ts       # Piper CLI 子进程兜底
│   │   └── PaddleSpeechProvider.ts   # PaddleSpeech Python CLI

主进程 - 远程引擎实现（9 个文件）:
│   ├── providers/
│   │   ├── AliyunQwen3Provider.ts    # 阿里云 Qwen3-TTS
│   │   ├── VolcengineProvider.ts     # 火山引擎
│   │   ├── TencentCloudProvider.ts   # 腾讯云
│   │   ├── BaiduCloudProvider.ts     # 百度智能云
│   │   ├── OpenAIProvider.ts         # OpenAI TTS
│   │   ├── GoogleCloudProvider.ts    # Google Cloud TTS
│   │   ├── AmazonPollyProvider.ts    # Amazon Polly
│   │   ├── AzureProvider.ts          # Azure Speech
│   │   └── ElevenLabsProvider.ts     # ElevenLabs

主进程 - 辅助模块（2 个文件）:
├── apps/desktop/src/main/tts/
│   ├── VoiceManager.ts               # 统一语音模型下载/缓存/校验
│   ├── CredentialStore.ts             # API Key 加密存储
│   └── audio-utils.ts                 # PCM/WAV 格式转换 + 采样率适配

预加载 + 类型（2 个文件修改）:
├── apps/desktop/src/renderer/src/env.d.ts  # 新增 api.tts 类型声明
├── apps/desktop/src/preload/index.ts       # 新增 api.tts 桥接

渲染进程（4 个文件）:
├── apps/desktop/src/renderer/src/store/useTTSStore.ts      # TTS 状态管理
├── apps/desktop/src/renderer/src/components/TTSSettings.tsx # TTS 设置页
├── apps/desktop/src/renderer/src/components/RemoteTTSSetup.tsx # API Key 配置向导
├── apps/desktop/src/renderer/src/components/TTSPrivacyNotice.tsx # 隐私声明弹窗
├── apps/desktop/src/renderer/src/hooks/useTTSPlayer.ts     # TTS 播放 Hook

主进程入口（1 个文件修改）:
└── apps/desktop/src/main/index.ts           # 新增 tts:* IPC 处理器

v1.0 本地 TTS（14-20 天）
 │
 └─→ v1.0 + 有声书（+11-18 天） = 总计 25-38 天
 │   └── 可从 v1.0 发版后立即开始
 │
 └─→ v1.0 + v1.1 云端 TTS + 有声书 = 总计 29-44 天