AudioPlugin 朗读助手

在 VS Code 中将文本合成为语音并朗读。支持普通朗读、分角色朗读，并可作为 Copilot Agent 工具使用。

语音合成采用**渠道（Provider）**架构：普通朗读默认使用 MiniMax 渠道；豆包音频生成（Seed-Audio 1.0）通过独立的场景命令与智能体工具使用，与普通朗读完全隔离。

功能

• 朗读选中文本 — 选中编辑器内容，一键合成语音
• 分角色朗读 — 自动分析小说角色与对白，为每个角色分配不同音色
• 播放控制 — 支持暂停/恢复、停止播放
• Copilot 集成 — 作为 Language Model Tool（audioplugin_speak）供 Copilot Agent 调用
• 音频缓存 — 相同文本自动复用已合成的音频

使用方式

普通朗读

1. 运行 AudioPlugin 朗读助手：设置密钥，粘贴当前渠道的 API 密钥
2. 在编辑器中选中文本，右键选择 朗读选中文本

分角色朗读

1. 运行 AudioPlugin 朗读助手：配置角色分析，设置 DeepSeek API 密钥
2. 打开小说文本，运行 分角色朗读文档
3. 确认角色与音色分配后开始合成

TTS 渠道（Provider）

通过设置 audioplugin.provider 选择语音合成渠道（默认 minimax）。每个渠道的专属设置在 audioplugin.<渠道>.* 下：

• minimax（默认） — MiniMax 语音合成，设置项见下表（audioplugin.minimax.*）

普通朗读（audioplugin.speakSelection）、分角色朗读与 audioplugin_speak 智能体工具仅使用当前渠道（MiniMax）。豆包不参与这些流程。

豆包音频场景（与普通朗读完全隔离）

豆包音频生成模型（Seed-Audio 1.0）通过独立的命令与智能体工具使用：选中文本被视为一条完整 Prompt，单次请求端到端生成综合语音场景（多角色对白、语气情绪、音效、背景音乐），不经过普通朗读的分句/缓存流程。

• 右键命令 audioplugin.speakScenePrompt（用豆包生成音频场景）— 选中文本作为 Prompt，生成并播放
• 智能体工具 audioplugin_scene — Copilot 智能体可调用，输入 prompt 字段生成并播放音频场景
• 密钥：运行 「AudioPlugin 朗读助手：设置密钥」 粘贴火山引擎语音 API Key（与普通朗读的 MiniMax 密钥相互独立存储）
• Prompt 上限 3000 字符，单次输出最长 120 秒

示例 Prompt：

深夜的废弃工厂，雨滴打在铁皮屋顶。男主（低沉警惕）："你听到什么声音了吗？"
女主（压低声音）："好像……有人在跟踪我们。"背景音乐悬疑紧张，弦乐渐强，
远处偶尔传来雷声。

配置文件 .ttsvoices.json

在项目目录下创建 .ttsvoices.json，可为角色指定音色和语音参数（优先级高于 LLM 分析结果）：

{
  "张三": { "voiceId": "male-qingse", "speed": 1.2, "pitch": 2 },
  "李四": { "speed": 0.9 },
  "王五": "male-qingse",
  "@roleVoices": {
    "narrator": { "voiceId": "audiobook_female_1", "speed": 0.9 },
    "elderly": { "pitch": -3 }
  }
}

• 字符串值 — 指定角色音色 ID
• 对象值 — 可同时指定 voiceId、speed（0.5~2.0）、pitch（-12~12）、vol（0.1~10）
• @roleVoices — 按角色类型（narrator/male/female/girl/boy/child/elderly）指定音色和参数
• 参数优先级：角色名 > 角色类型 > LLM 分析值
• 配置文件向上查找，最近的生效

命令

设置

通过 VS Code 设置面板调整（audioplugin.*）。配置项按适用范围分类标注：

• [通用] — 所有渠道、所有朗读模式
• [MiniMax] — 仅 MiniMax 渠道
• [豆包][音频场景] — 仅豆包音频场景命令/工具
• [分角色] — 仅分角色朗读
• 普通朗读 — 仅普通朗读（朗读选中文本）

通用设置（audioplugin.*）

MiniMax 渠道设置（audioplugin.minimax.*）

豆包音频场景设置（audioplugin.doubao.*）

注意：音频场景为纯 Prompt 生成模式（不指定音色），Prompt 上限 3000 字符、单次输出最长 120 秒。

要求

• VS Code ^1.100.0
• 普通朗读需 MiniMax 语音订阅或 Token Plan 密钥
• 豆包音频场景需火山引擎语音 API Key（独立存储）
• 分角色朗读需 DeepSeek API 密钥