Skip to main content
XiYang

LightUP 讲解点 AI 生成链路

• 1 min • 128 words
FastAPI 导览 TTS AI

该系统负责把讲解点上下文逐步加工为可用于语音合成的内容，链路为：speechText -> instruction -> ttsText。

系统组成

1. 讲解文稿生成

接口: POST /speech-text/generate

输入重点:

  • activityId
  • tourPointId
  • tourPointSnapshot.artworkDescription
  • tourPointSnapshot.artworkImageUrl
  • controls.useVision
  • controls.instructionLines

校验规则:

  • 缺少 artworkDescription -> HTTP 400
  • useVision=true 但没有 artworkImageUrl -> HTTP 400
  • instructionLines 为空 -> HTTP 400
  • useDeepSearch 当前不支持 -> HTTP 400

2. 朗读要求生成

接口: POST /tts-instruction/generate

用途:

  • 根据展品名称、作者、讲解文稿、图片等上下文
  • 输出结构化 instruction
  • 为 StepAudio 合成准备语气、节奏、导览场景提示

3. TTS 文稿生成

接口: POST /tts-text/generate

用途:

  • 在不改写原始讲解文稿的前提下
  • 仅在句间插入中文括号控制词
  • 生成最终提交给 StepAudio 的 ttsText

Responses API 适配层

核心服务: ResponsesLLMService

能力包括：

  • 构造 Responses API payload
  • 支持图文联合输入
  • 提取 output_text 或 output[].content[].text
  • 解析结构化 JSON 输出
  • 校验 ttsText 不能改写 speechText

关键约束

1. TTS 文稿不能改写正文

服务内部会：

  • 去掉 ttsText 中的中文括号控制词
  • 把剩余文本与 speechText 做归一化比较
  • 若正文被改写则直接报错

2. 控制词只能放在句间

校验要求：

  • 不能放句首
  • 不能放句尾
  • 不能插入句子内部
  • 前一个字符必须是句末标点

3. 模型输出结构化

  • instruction 生成要求返回合法 JSON 对象
  • ttsText 生成要求返回合法 JSON 对象
  • 若缺关键字段会抛出 LLMResponseError

数据流

讲解点快照 + 控制参数
  -> Responses API 生成 speechText
  -> Responses API 生成 instruction
  -> Responses API 生成 ttsText
  -> 校验 ttsText 仅添加句间控制词
  -> 进入音频合成阶段

相关页面