记录一下，AI输出特定音色克隆+实时语音合成实验成功。
难点：
语音播放队列管理，这个是最难的。如果我多学一些算法知识，也许就不会苦恼于寻求合适的数据结构。
同源策略阻断，这个好麻烦，什么问题都有它。一开始尝试后端，但是rust访问端口方法非官方，结果始终不正确，所以干脆用js脚本在本地新开一个服务器，tauri内对其fetch，占用这么多端口有点不太好，看之后怎么优化
语音合成，利用了cosyvoice开源实验项目api而不是本地大模型，windows安装模型存在非常多依赖问题，没法解决，浪费很多时间和流量。
没有试音频的流式传输和播放，当前已经够麻烦了。
短板：
最大短板就是合成声音有延时（5-10秒），这很长了，你会看到结果输出完了，合成还没成功。不过因为请求合成和队列管理是异步并发，过了这10秒，就能流畅输出了。
然后就是请求并发太多会报错，毕竟这只是个实验环境。
解决短板的最好办法就是使用本地模型。我先前试过sparktts，如果硬件配置好，本地会比联网好些。而且，当前每次都需要发送被克隆音色的音频，实际上本机只需要克隆一次保存向量，之后需要直接调用，这样会快很多甚至有可能不会有延时问题。
接下来我可能会继续转向桌面通用组件编写和自定义桌面框架逻辑，如果有启发可能会去尝试优化3D模型的表现。这张网很宽松，它只是需要一点点收紧。
此方悬停