Skip to content

armgit / cindy

Public Imported from GitHub
0

Consider it done. The open-source AI agent that works out of the box · 想到,就能做到。开源、开箱即用的 AI Agent。

fix(desktop): hide automatically selected speech protocols

JiangJiahao1a37a2af87af
diff --git a/apps/desktop/src/renderer/features/bots/voice/CompanionVoiceSettings.tsx b/apps/desktop/src/renderer/features/bots/voice/CompanionVoiceSettings.tsx
index b011865be7..b1a795f7a3 100644
--- a/apps/desktop/src/renderer/features/bots/voice/CompanionVoiceSettings.tsx
+++ b/apps/desktop/src/renderer/features/bots/voice/CompanionVoiceSettings.tsx
@@ -273,16 +273,13 @@ export function CompanionVoiceSettings(props: Props) {
{t('bots.voiceMode.modelUnavailable')}
</p>
) : null}
- {selectedModel && selectedModel.providerId !== 'xd' && selectedModel.agent ? (
+ {selectedModel &&
+ selectedModel.providerId !== 'xd' &&
+ selectedModel.agent &&
+ !selectedModel.protocolLocked ? (
<FormField
label={t('bots.voiceMode.protocol')}
- hint={t(
- incompatibleSavedProtocol && voice === undefined
- ? 'bots.voiceMode.protocolCorrectedHint'
- : selectedModel.protocolLocked
- ? 'bots.voiceMode.protocolAutomaticHint'
- : 'bots.voiceMode.protocolHint',
- )}
+ hint={t('bots.voiceMode.protocolHint')}
className="min-w-52 flex-1"
>
{(control) => (
@@ -294,10 +291,9 @@ export function CompanionVoiceSettings(props: Props) {
{ value: 'openai', label: t('bots.voiceMode.protocolOpenai') },
{ value: 'elevenlabs', label: 'ElevenLabs' },
{ value: 'minimax', label: 'MiniMax' },
- ].filter((option) => !selectedModel.protocolLocked || option.value === protocol)}
- disabled={selectedModel.protocolLocked || !ready || saving}
+ ]}
+ disabled={!ready || saving}
onValueChange={(value) => {
- if (selectedModel.protocolLocked) return;
const next = {
providerId: selectedModel.providerId,
agent: selectedModel.agent,
@@ -319,6 +315,11 @@ export function CompanionVoiceSettings(props: Props) {
</FormField>
) : null}
</div>
+ {ready && incompatibleSavedProtocol && voice === undefined ? (
+ <p role="status" className="text-12 text-[var(--text-secondary)]">
+ {t('bots.voiceMode.protocolCorrectedHint')}
+ </p>
+ ) : null}
{ready && selectedModel ? (
<SpeechVoicePicker
botId={props.botId}
diff --git a/apps/desktop/src/renderer/features/bots/voice/__tests__/CompanionVoiceSettings.test.tsx b/apps/desktop/src/renderer/features/bots/voice/__tests__/CompanionVoiceSettings.test.tsx
index d9f6a7d5bc..7bd7ca8d96 100644
--- a/apps/desktop/src/renderer/features/bots/voice/__tests__/CompanionVoiceSettings.test.tsx
+++ b/apps/desktop/src/renderer/features/bots/voice/__tests__/CompanionVoiceSettings.test.tsx
@@ -187,7 +187,7 @@ it('requires an explicit API choice for an unknown endpoint before previewing',
});
it.each(['elevenlabs', 'minimax', 'openai'] as const)(
- 'shows only the fixed %s API for an official endpoint and keeps its saved voice',
+ 'hides the fixed %s API for an official endpoint and keeps its saved voice',
async (protocol) => {
models = [
{
@@ -210,20 +210,13 @@ it.each(['elevenlabs', 'minimax', 'openai'] as const)(
customized: true,
});
renderSettings();
- await screen.findByText('bots.voiceMode.protocolAutomaticHint');
- const field = screen.getByLabelText('bots.voiceMode.protocol') as HTMLSelectElement;
- expect(field.disabled).toBe(true);
- expect(field.value).toBe(protocol);
- expect(
- Array.from(field.options)
- .map((option) => option.value)
- .filter(Boolean),
- ).toEqual([protocol]);
await waitFor(() =>
expect((screen.getByLabelText('bots.voiceMode.voiceId') as HTMLInputElement).value).toBe(
'saved-voice',
),
);
+ expect(screen.queryByLabelText('bots.voiceMode.protocol')).toBeNull();
+ expect(screen.queryByText('bots.voiceMode.protocolCorrectedHint')).toBeNull();
expect(window.electronAPI.voiceConversation.setPreference).not.toHaveBeenCalled();
fireEvent.click(screen.getByRole('button', { name: 'bots.voiceMode.preview' }));
await waitFor(() =>
@@ -260,9 +253,7 @@ it('repairs a saved API mismatch without reusing its voice or rewriting preferen
});
renderSettings();
await screen.findByText('bots.voiceMode.protocolCorrectedHint');
- expect((screen.getByLabelText('bots.voiceMode.protocol') as HTMLSelectElement).value).toBe(
- 'elevenlabs',
- );
+ expect(screen.queryByLabelText('bots.voiceMode.protocol')).toBeNull();
const voice = screen.getByLabelText('bots.voiceMode.voiceId') as HTMLInputElement;
expect(voice.value).toBe('');
expect(
@@ -303,7 +294,7 @@ it('repairs a saved API mismatch without reusing its voice or rewriting preferen
expect(audio.start).not.toHaveBeenCalled();
});
-it('keeps a proxy API override and unlocks the selector after switching away from an official model', async () => {
+it('keeps a proxy API override and shows its selector only while a custom endpoint is selected', async () => {
models = [
{
id: 'eleven_flash_v2_5',
@@ -339,9 +330,7 @@ it('keeps a proxy API override and unlocks the selector after switching away fro
target: { value: voiceModelKey(models[0]) },
});
});
- expect((screen.getByLabelText('bots.voiceMode.protocol') as HTMLSelectElement).disabled).toBe(
- true,
- );
+ expect(screen.queryByLabelText('bots.voiceMode.protocol')).toBeNull();
await act(async () => {
fireEvent.change(screen.getByLabelText('bots.voiceMode.model'), {
target: { value: voiceModelKey(models[1]) },
diff --git a/apps/desktop/src/renderer/i18n/locales/en/common.json b/apps/desktop/src/renderer/i18n/locales/en/common.json
index 4e9c0831cf..1b9335f498 100644
--- a/apps/desktop/src/renderer/i18n/locales/en/common.json
+++ b/apps/desktop/src/renderer/i18n/locales/en/common.json
@@ -9444,7 +9444,6 @@
"protocol": "Speech API",
"protocolOpenai": "OpenAI compatible",
"protocolHint": "Choose the speech API this address supports. This does not switch providers.",
- "protocolAutomaticHint": "Matched automatically to the provider’s official address.",
"protocolCorrectedHint": "The API now matches the official address. Choose a voice again."
}
},
diff --git a/apps/desktop/src/renderer/i18n/locales/ja/common.json b/apps/desktop/src/renderer/i18n/locales/ja/common.json
index 738f4761f6..8e52929546 100644
--- a/apps/desktop/src/renderer/i18n/locales/ja/common.json
+++ b/apps/desktop/src/renderer/i18n/locales/ja/common.json
@@ -9407,7 +9407,6 @@
"protocol": "音声 API",
"protocolOpenai": "OpenAI 互換",
"protocolHint": "このアドレスが対応する音声 API を選択してください。プロバイダーは切り替わりません。",
- "protocolAutomaticHint": "プロバイダーの公式アドレスに合わせて自動選択されています。",
"protocolCorrectedHint": "公式アドレスに合わせて API を修正しました。音声を選び直してください。"
}
},
diff --git a/apps/desktop/src/renderer/i18n/locales/ko/common.json b/apps/desktop/src/renderer/i18n/locales/ko/common.json
index c083ddc7a8..e7a0a7d126 100644
--- a/apps/desktop/src/renderer/i18n/locales/ko/common.json
+++ b/apps/desktop/src/renderer/i18n/locales/ko/common.json
@@ -9407,7 +9407,6 @@
"protocol": "음성 API",
"protocolOpenai": "OpenAI 호환",
"protocolHint": "이 주소가 지원하는 음성 API를 선택하세요. 제공자는 변경되지 않습니다.",
- "protocolAutomaticHint": "제공자의 공식 주소에 맞춰 자동으로 선택되었습니다.",
"protocolCorrectedHint": "공식 주소에 맞게 API를 수정했습니다. 음성을 다시 선택하세요."
}
},
diff --git a/apps/desktop/src/renderer/i18n/locales/zh-CN/common.json b/apps/desktop/src/renderer/i18n/locales/zh-CN/common.json
index cb5eea2bd5..59fedea48e 100644
--- a/apps/desktop/src/renderer/i18n/locales/zh-CN/common.json
+++ b/apps/desktop/src/renderer/i18n/locales/zh-CN/common.json
@@ -9407,7 +9407,6 @@
"protocol": "语音接口",
"protocolOpenai": "OpenAI 兼容",
"protocolHint": "选择此地址实际支持的语音接口;切换接口不会更换供应商。",
- "protocolAutomaticHint": "已根据供应商的官方地址自动匹配。",
"protocolCorrectedHint": "已按官方地址修正接口,请重新选择音色。"
}
},
diff --git a/apps/desktop/src/renderer/i18n/locales/zh-TW/common.json b/apps/desktop/src/renderer/i18n/locales/zh-TW/common.json
index b33aa70575..23abfb8e93 100644
--- a/apps/desktop/src/renderer/i18n/locales/zh-TW/common.json
+++ b/apps/desktop/src/renderer/i18n/locales/zh-TW/common.json
@@ -9407,7 +9407,6 @@
"protocol": "語音介面",
"protocolOpenai": "OpenAI 相容",
"protocolHint": "選擇此位址實際支援的語音介面;切換介面不會更換供應商。",
- "protocolAutomaticHint": "已根據供應商的官方位址自動配對。",
"protocolCorrectedHint": "已依官方位址修正介面,請重新選擇音色。"
}
},
diff --git a/docs/product-rules/companion-voice-mode.md b/docs/product-rules/companion-voice-mode.md
index c8b26784ad..41ff8d1f46 100644
--- a/docs/product-rules/companion-voice-mode.md
+++ b/docs/product-rules/companion-voice-mode.md
@@ -8,10 +8,10 @@
- 原任务空闲时正常发送,仍在运行时沿既有插话路径投递。语音是本机用户本人输入,不盖自动化或远程设备来源标签,不增加系统提示词。识别结果按普通文字发送,不执行桌面斜杠命令。
- 最终回复经过持久化完成标记确认后才朗读。按本次语音发送的 clientId 关联,不朗读历史、过程文字、工具、子代理、内部协调或群来源私信。文本消息始终是对话记录的正本。
- 在“伙伴设置 → 语音”中独立选择朗读模型和音色,按当前账号下的伙伴保存,不改变聊天模型。来源包括有权限的 Cindy AI,以及已连接的本地 BYOK 供应商;候选必须是 `audio_speech`、未停用且具备可用的 API key 或明确的本机免鉴权连接。同名模型按连接 ID、runtime 和上游模型 ID 区分,不能借另一连接的密钥。无候选时显示空状态,不采集麦克风。
-- BYOK 支持 OpenAI 兼容、ElevenLabs、MiniMax 三种语音接口。已知官方 HTTPS 地址自动匹配并固定接口,面板显示匹配说明、禁用接口选择,Main 同样采用该官方接口,不接受旧偏好或调用参数切换到其他厂商协议。自定义/中转地址保留手动选择;已声明的 OpenAI speech 协议可作为默认,其余候选(包括显式未验证协议)须用户明确选择。不能只凭模型名、`mode` 或聊天协议推断,切换接口不会更换连接地址或凭证。这个覆盖仅作用于当前伙伴的朗读,不重写公共 Registry 或供应商的聊天协议。音色支持列表选择、手动输入和试听;本次不提供创建或删除克隆音色的能力。
+- BYOK 支持 OpenAI 兼容、ElevenLabs、MiniMax 三种语音接口。已知官方 HTTPS 地址自动匹配并固定接口,设置页隐藏接口选择及自动匹配说明,用户只需选择模型和音色;Main 同样采用该官方接口,不接受旧偏好或调用参数切换到其他厂商协议。自定义/中转地址保留手动选择;已声明的 OpenAI speech 协议可作为默认,其余候选(包括显式未验证协议)须用户明确选择。不能只凭模型名、`mode` 或聊天协议推断,切换接口不会更换连接地址或凭证。这个覆盖仅作用于当前伙伴的朗读,不重写公共 Registry 或供应商的聊天协议。音色支持列表选择、手动输入和试听;本次不提供创建或删除克隆音色的能力。
- 模型、语音接口和音色为伙伴级显式偏好,重开设置、重启后保留。设置页只负责配置与试听,不创建通话。离开设置前等待试听停止和有效音色保存;保存失败保留当前页面。未补齐的型号/接口/音色选择仅作本地草稿,不覆盖此前可用偏好。尚无 canonical 任务时可配置,试听需等待伙伴对话建立。恢复默认删除该伙伴的选择,继续跟随可用目录;已有旧版全局偏好仍可继承,单独重置一个伙伴时以 `null` 清除该伙伴的旧偏好继承,不复制默认模型、不影响其他伙伴。保存失败明确提示。保存的连接消失或停用时保留选择并禁止开始,不静默改用同名模型。
- 更换连接、runtime、型号或接口时,不沿用旧音色;目标型号有明确参考默认值才填入,否则等待用户选择或输入。同一连接下的不同型号也不视为音色兼容。已有保存音色不因刷新失败、列表未收录而被覆盖;刷新失败保留已知名称,成功获取后仍未收录的 ID 显示在手动输入中。
-- 旧偏好中的接口与官方地址冲突时,面板采用官方接口并提示重新选择音色,重新选择前不试听或开始;正确接口下的已有音色继续保留。读取偏好时不写回推导默认值,用户选择音色后通过既有保存流程移除不适用的接口覆盖。自定义/中转地址的显式接口与音色偏好不受影响。
+- 旧偏好中的接口与官方地址冲突时,面板采用官方接口,接口选择仍隐藏,在音色区域上方提示重新选择音色,重新选择前不试听或开始;正确接口下的已有音色继续保留。读取偏好时不写回推导默认值,用户选择音色后通过既有保存流程移除不适用的接口覆盖。自定义/中转地址的显式接口与音色偏好不受影响。
- 刷新重新读取当前有效目录,并尝试刷新 Cindy AI;Gateway 刷新失败不阻止本机 BYOK 目录显示。新增第三方型号仍沿设置页已有的获取列表、手动添加和启用流程。
- 朗读结束继续监听。用户开口时立即取消待生成及正在播放的声音;新的文字仍投递到原任务。停止朗读不会取消 Agent 工具、清空任务队列或代答权限确认。
- 需要确认权限、问题或计划,或任务队列暂停时,关闭麦克风并暂停语音模式;用户完成确认后显式继续。静音、锁屏、休眠、切走任务、关面板、账号切换同样释放采集和播放资源,不在后台重新开始。
@@ -21,7 +21,7 @@
面板保留伙伴头像和姓名,持续显示连接、监听、思考、准备语音、朗读或暂停状态。音量条反映实际输入或输出音量,没有循环伪造的声波。进入动效和音量条只变换 opacity/transform,使用现有 motion token,并支持减少动态效果。模型、接口、音色和试听集中在伙伴设置子页;通话面板仅显示伙伴头像、状态、音量和通话操作。面板上的设置快捷入口先结束通话再打开语音设置;通过标题栏打开伙伴设置也会结束通话,关闭设置后不自动恢复录音。进行中的结束、静音及面板关闭按钮不随内容滚走,暂停后可继续或关闭;结束会收起面板,恢复原输入框草稿和语音按钮焦点。面板最多占视口高度的 65%,中间内容独立滚动。Light/Dark 使用语义颜色。
-设计依据为 `DESIGN.md` §4 标准控件、§5 圆角分层、§14.4 动效与 `design-governance.md` §13 点击层分类:输入框语音对话入口沿用相邻听写/发送按钮的 30px 圆形控制样式,监听或转写听写内容时不可开启通话;面板和未发送文字框属于容器,使用 12px 圆角;音量条是无交互的指示层,不是按钮。设置、开始、静音、结束等操作复用现有 Button / Select / Input / FormField,模型、接口和音色均有可见标签。配置区在设置抽屉内按可用宽度自动换行,音色单独成行。试听可随时停止,主要操作区保持可见。
+设计依据为 `DESIGN.md` §4 标准控件、§5 圆角分层、§14.4 动效与 `design-governance.md` §13 点击层分类:输入框语音对话入口沿用相邻听写/发送按钮的 30px 圆形控制样式,监听或转写听写内容时不可开启通话;面板和未发送文字框属于容器,使用 12px 圆角;音量条是无交互的指示层,不是按钮。设置、开始、静音、结束等操作复用现有 Button / Select / Input / FormField,模型、音色及需要手动选择的接口均有可见标签。配置区在设置抽屉内按可用宽度自动换行,音色单独成行。试听可随时停止,主要操作区保持可见。
## 执行边界