听书模式
听书由独立的 novel-tts 程序处理。阅读器提交章节正文，显示片段高亮，并按正常完成事件续章；显式开启对齐后才异步切换逐句高亮。MOSS、Kokoro 和 Qwen TTS 模型及音频设备保留在听书进程中；默认使用原生 MOSS-TTS-Nano，对齐默认关闭，无需 Python。
此次重构的双变体发行与安装渠道仍在验收，可先从 workspace 构建：
# 基础阅读版：没有听书面板、播放键位和听书原生依赖
cargo build -p trnovel --no-default-features
# 听书阅读版及配套程序：两个程序在同一个 target/debug 目录
cargo build -p trnovel -p novel-tts
# 也可只构建独立文件朗读程序
cargo build -p novel-tts
# 同时编入两个后端
cargo build -p novel-tts --features kokoro
# 仅 Kokoro
cargo build -p novel-tts --no-default-features --features kokoro阅读器查找 novel-tts 的顺序为 --tts-program <路径>、阅读器同目录、PATH。明确路径无效时会直接提示；缺少程序不影响普通阅读。
进入小说的阅读模式后按 T 打开听书设置。查看设置只启动轻量协议连接，不下载、不加载模型，也不播放。
| 选项 | 操作 |
|---|---|
| 模型准备 | Enter 启用，Esc 取消；缺少资源时下载并显示进度 |
| 语音后端 | ←/→ 选择已编译后端，切换会停止播放并释放旧模型 |
| 音色 | ←/→ 选择预置或已导入音色，显示后端提供的名称 |
| 播放速度 | ←/→ 调节 0.5..2 倍速 |
| 音量 | ←/→ 调节 0..10 |
| 合成 / 对齐设备 | ←/→ 分别选择 auto/cpu/coreml/cuda/metal，显示编译能力、可用设备与实际使用设备 |
| 自动续章 | 仅在主动开始的听书正常完成后续章；失败、取消、重启不会自动播放 |
| 从章首重播 | Enter 明确忽略旧恢复点，从本章开头播放 |
| 释放资源 | Enter 停播并关闭听书子进程，释放模型和设备 |
↑/↓ 选择条目。听书面板与阅读设置互斥；基础版仍有完整阅读设置。
按播放键 P 或在准备行按 Enter 才会加载模型，并下载缺少资源。下载可取消、续传；半文件保留，服务器忽略 Range 时重头下载。
MOSS 资源保存在 $HOME/.novel-tts/moss/{tts,codec}，固定版本共约 763 MB，下载后校验大小和 SHA-256。损坏文件会隔离，下次准备重新下载。支持原生流式播放，输出 48kHz 双声道 PCM；按自然段合并上下文，跳过装饰分隔行，裁剪块边界静音。对齐与播放使用同一份处理后的 PCM。
可选 Kokoro 仍使用固定 0.3.1 和 v1.1 模型，保存在 $HOME/.novel-tts/kokoro/，输出完整片段音频。--model-dir 覆盖包含各后端子目录的公共根目录。
Qwen TTS（Candle）
Section titled “Qwen TTS（Candle）”可选 qwen feature 集成原生 Candle 推理，首版为 Qwen3-TTS 0.6B CustomVoice，提供九种预置音色，默认福叔 uncle_fu。固定模型约 2.50 GB，按需下载并校验到 $HOME/.novel-tts/qwen/。它与 alignment/qwen/ 的强制对齐模型相互独立。
# macOS：保留 MOSS，增加 Qwen 与 Metal GPU 支持
cargo build --release -p novel-tts --features qwen,metal
# 通用 CPU：只编入 Qwen
cargo build --release -p novel-tts --no-default-features --features qwen
novel-tts --backend qwen --voice uncle_fu book.txt
novel-tts --backend qwen voices listTUI 按能力目录直接展示 Qwen 与它的音色。CLI/TUI 切换后端时将合成设备重置为 auto，保持阅读位置，由用户重新准备和播放。Qwen 首版支持 CPU/Metal，不支持此适配器的参考音频克隆或 CUDA；MOSS 导入功能不受影响。Metal 与 CoreML 是不同执行路径，请按各后端报告的设备选择。
上游 Candle 实现仍属实验版本，已固定源码 revision。流式小块的解码边界、长文本覆盖和主观音质需要试听确认，不能以正常 EOS 代替音质验收。
novel-tts voices list
novel-tts voices import narrator --name "我的朗读音色" reference.wav
novel-tts --backend moss --voice custom:narrator book.txt
novel-tts voices remove narrator参考音频使用 1..30 秒非静音 mono/stereo WAV，内部重采样和编码，保存到 ~/.novel-tts/moss/voices/。播放只读取缓存，不重复编码。重复 ID 拒绝覆盖，删除仅限自定义音色。导入后重新连接听书程序以刷新 TUI 音色目录。首版通过 CLI 管理音色，TUI 只选择音色。
在阅读模式按 P 播放/暂停，+/- 调音量。切章停止旧会话并过滤迟到事件；搜索高亮优先。暂停保留位置，停止保留模型，释放资源关闭程序。只有当前章节正常播放完成才能触发自动续章，最后一章结束后复位。
恢复点由听书程序保存在 ~/.novel/tts/checkpoints/。正文 SHA-256、来源和 UTF-8 字节坐标必须匹配；正文变化、损坏数据或未知版本会提示错误，可用面板「从章首重播」主动重置。崩溃后可能重复最近未完成片段，不自动开始播放。
听书配置仍是 ~/.novel/tts_config.json，旧音量、速度、音色、自动播放字段保留。新配置默认 MOSS/Weiguo；已有后端配置保留，旧文件缺少 backend 时解释为 Kokoro。未编译的后端会明确报错，需要用户主动切换。只有听书程序写配置；界面显示保存成功后的快照。配置损坏或修订冲突时不会覆盖原文件，刷新后再主动修改。
独立文件朗读
Section titled “独立文件朗读”novel-tts book.txt
novel-tts --restart book.txt仅支持 UTF-8 文本文件。交互终端中空格暂停/继续，s 停止并退出，q/Esc/Ctrl+C 退出；非交互终端不启用原始模式，正文完成后退出。详细的协议、路径覆盖和退出码见仓库 crates/novel-tts/README.md。
回退时阅读器与听书程序成对回退，保留配置、模型和检查点；阅读历史及阅读进度格式未改变。
逐句对齐与 GPU
Section titled “逐句对齐与 GPU”显式开启逐句高亮后，CPU 使用 Qwen3-ForcedAligner-0.6B 的 Q4 ONNX，约 0.99 GiB，准备资源时按需下载至 ~/.novel-tts/alignment/qwen/ 并校验。音频立即播放；后台对齐成功后切换逐句高亮，迟到结果不会倒退。缺少资源、失败、超时或任务积压时显示“片段高亮”并继续朗读。暂停保留高亮，恢复后继续按原始 PCM 帧位置推进；倍速不改变句子时间线。
# Apple Silicon 的 CoreML 构建
cargo build --release -p novel-tts --features coreml
# NVIDIA Linux/Windows 的 CUDA 构建
cargo build --release -p novel-tts --features cuda
novel-tts --tts-device auto --alignment-device auto book.txt默认 auto 独立校准合成与对齐：3 次预热、5 次测量，完整链路至少快 15%、首音频回退不超过 10% 才选加速；还检查并发竞争。GPU 对齐浮点资源约 3.42 GiB，首次校准可触发下载。显式选择不可用设备会报错；自动模式运行失败后切回 CPU 并显示原因，不重播已输出音频。Kokoro 当前只支持 CPU 合成，也可使用 Qwen 对齐。
CoreML 可用并不保证更快或全部算子在 GPU。本机 M4 Pro 的 MOSS 发布构建测量选择 CPU；CUDA 实机验收仍待完成。校准结果保存在模型根目录 calibration-*.json，按硬件、模型和运行库版本区分。各模型目录的 coreml-cache 可删除重建。协议为 v4，阅读器与 worker 必须配套更新。
可选逐句高亮
Section titled “可选逐句高亮”逐句高亮默认关闭。听书设置中的“逐句高亮”开启后才显示“对齐设备”；首次启用需要额外准备 Qwen 模型。关闭时不会下载、加载或校准对齐模型，使用片段高亮。切换开关会停播并保留续读位置，请重新启用模型后播放。
独立命令可用 novel-tts --alignment book.txt 开启，或 novel-tts --alignment=false book.txt 关闭。
MOSS 会合并排版单换行，空行、章节标题和装饰分隔线仍形成边界。长输入会按音色时长估算和模型预算切分。若模型超限或推理失败，会明确停止并保留位置，不自动重复已播放内容。模型的正常结束信号不能作为全部文字已经朗读的证明。
流式播放缓冲
Section titled “流式播放缓冲”播放前会积累约 3 秒音频，减少小块生成波动引起的停顿。队列耗尽时显示“缓冲中”，恢复目标逐次增大，最多约 10 秒；暂停期间仍可在内存预算内预取。短文本生成完后直接播放，不必攒满目标。播放倍率越高，需要的原始音频余量越多。
若模型长期生成得比播放慢，缓冲只能减少频繁停顿，不能保证无限连续播放。Qwen 可用 NOVEL_TTS_DIAGNOSTICS=1 在 worker stderr 查看每块生成耗时、音频长度和通道等待；阅读器底栏显示缓冲余量及耗尽次数。