aiData/WeiXin/T7_TTS_VoiceReply.py

# coding=utf-8
import os
import sys
import time
import threading
import logging

# 添加项目根目录到 sys.path 以便导入 Util
project_root = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
if project_root not in sys.path:
    sys.path.append(project_root)

from Util.AlyTtsKit import QwenTTSManager
from WeiXin import WxUtil

# ======= 配置 =======
# 这里的 Voice ID 是从 T2_PlayVoice.py 中复制过来的
MY_VOICE_ID = "qwen-tts-vc-guanyu-voice-20260131160431051-8e51"

# 目标文本
REPLY_TEXT = "我是少惠林的大张老师，您的孩子几年级了？我们周六周日上班，您可以带孩子过来试听一下。"

# 设置日志
# 强制重新配置日志，确保输出到文件
root_logger = logging.getLogger()
for handler in root_logger.handlers[:]:
    root_logger.removeHandler(handler)

file_handler = logging.FileHandler(os.path.join(WxUtil.LOG_DIR, "T7_TTS_VoiceReply.log"), mode='w', encoding='utf-8')
stream_handler = logging.StreamHandler(sys.stdout)
formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')
file_handler.setFormatter(formatter)
stream_handler.setFormatter(formatter)
root_logger.addHandler(file_handler)
root_logger.addHandler(stream_handler)
root_logger.setLevel(logging.INFO)

logger = logging.getLogger("T7_TTS")

def tts_worker(tts_manager, voice_id, text, finished_event, start_event):
    """TTS 播音工作线程"""
    try:
        logger.info(f"[TTS] 启动语音合成，音色ID: {voice_id}")
        # 增加缓冲区到 1.0 秒以解决连贯性问题
        tts_manager.start_synthesis(voice_id, [text], wait_finished=False, buffer_seconds=1.0)
        
        # 等待播放实际开始并通知主线程
        tts_manager.wait_for_playback_start()
        start_event.set()
        
        # 此时等待全部播放完成
        if tts_manager.callback:
            tts_manager.callback.wait_for_finished()
            
        logger.info("[TTS] 语音播放完成")
    except Exception as e:
        logger.error(f"[TTS] 播放过程中发生异常: {e}")
    finally:
        finished_event.set()

def run_t7_task():
    logger.info("开始执行 T7: 集成 TTS 克隆引擎与微信语音回复 (优化延迟版)")
    
    # 1. 连接设备
    d = WxUtil.connect_device()
    if not d:
        logger.error("无法连接设备，任务终止")
        return

    # 2. 初始化 TTS 管理器
    try:
        tts_manager = QwenTTSManager()
    except Exception as e:
        logger.error(f"初始化 TTS 失败: {e}")
        return

    # 3. 准备微信环境：确保处于语音输入模式
    logger.info("步骤1: 准备微信环境...")
    tmp_screen = os.path.join(WxUtil.OUTPUT_DIR, "t7_check_mode.jpg")
    d.screenshot(tmp_screen)
    press_say_template = os.path.join(WxUtil.TEMPLATE_DIR, "press_say.jpg")
    pos = WxUtil.match_template_center(tmp_screen, press_say_template, threshold=0.8)
    
    if not pos:
        logger.info(">>> [状态] 未发现 '按住说话' 按钮，尝试切换模式...")
        audio_reply_template = os.path.join(WxUtil.TEMPLATE_DIR, "audio_reply.jpg")
        switch_pos = WxUtil.match_template_center(tmp_screen, audio_reply_template, threshold=0.8)
        if switch_pos:
            logger.info(f">>> [切换] 找到切换按钮 {switch_pos}，点击切换...")
            d.click(switch_pos[0], switch_pos[1])
            time.sleep(1.5)
            d.screenshot(tmp_screen)
            pos = WxUtil.match_template_center(tmp_screen, press_say_template, threshold=0.8)
        
    if not pos:
        logger.error("无法定位到 '按住说话' 按钮，请检查手机界面")
        return

    logger.info(f">>> [定位] 成功定位到语音按钮中心: {pos}")

    # 4. 同步执行：先按住 -> 等待2秒 -> 播放
    finished_event = threading.Event()
    playback_start_event = threading.Event()
    tts_thread = threading.Thread(target=tts_worker, args=(tts_manager, MY_VOICE_ID, REPLY_TEXT, finished_event, playback_start_event))
    
    logger.info("步骤2: 开始同步录音与播放 (先按住 2 秒再播放)...")
    
    # A. 先按住按钮
    logger.info(">>> [发送] 1. 立即按住发送语音按钮...")
    d.touch.down(pos[0], pos[1])
    
    # B. 明确等待 0.5 秒（解决最前面语音丢失问题）
    logger.info(">>> [等待] 2. 录音已启动，等待 0.5 秒确保微信进入录音状态...")
    time.sleep(0.5)
    
    # C. 启动 TTS 线程（开始合成并播放）
    logger.info(">>> [播放] 3. 启动 TTS 播音...")
    tts_thread.start()
    
    # D. 等待音频真正开始播放（用于日志同步）
    if playback_start_event.wait(timeout=10):
        logger.info(">>> [同步] 检测到音频已开始从扬声器输出")
    
    # 模拟计时
    start_time = time.time()
    last_second = 0
    while not finished_event.is_set():
        elapsed = int(time.time() - start_time)
        if elapsed > last_second:
            logger.info(f">>> [录音中] {elapsed}s")
            last_second = elapsed
        time.sleep(0.1)
        if elapsed > 40: # 调大超时时间
            logger.warning("录音时间过长，强制结束")
            break
            
    # E. 释放按钮
    d.touch.up(pos[0], pos[1])
    total_duration = time.time() - start_time + 0.5 # 加上最开始等待的0.5秒
    logger.info(f">>> [完成] 录音结束，微信录音总时长约 {total_duration:.2f}s")
    
    tts_thread.join()
    
    # 5. 截图保存结果
    final_screen = os.path.join(WxUtil.OUTPUT_DIR, "T7_Final_Result_Optimized.jpg")
    d.screenshot(final_screen)
    logger.info(f"任务结束，结果截图已保存至: {final_screen}")

if __name__ == "__main__":
    run_t7_task()