Skip to content

fix(engine): SAPI 兜底改用 stdin 传文本,不再把回复拼进 PowerShell 脚本 - #11

Merged
modusensus merged 1 commit into
mainfrom
fix/sapi-tts-stdin
Nov 14, 2026
Merged

modusensus merged 1 commit into
mainfrom
fix/sapi-tts-stdin

Conversation

@modusensus

Copy link
Copy Markdown
Member

为什么改

dshopen(polang233/dsh-plugin-index#460)的维护者指出,Windows 离线 TTS 兜底把模型回复拼进 PowerShell 命令。

这不是风格问题。待合成文本来自模型回复,是可被外部内容影响的数据(QQ 里对方说的话会被喂进去)。旧实现长这样:

ps_script = (
    "Add-Type -AssemblyName System.Speech; "
    "$s = New-Object System.Speech.Synthesis.SpeechSynthesizer; "
    "$s.SetOutputToWaveFile('" + out_wav + "'); "
    "try { $s.SelectVoice('Microsoft Huihui Desktop') } catch {}; "
    "$s.Speak(@'\n" + text + "\n'@)"
)
subprocess.run(["powershell", "-NoProfile", "-Command", ps_script], ...)

here-string 只做行首 '@ 判定,文本参与脚本语法解析,攻击面客观存在。

改了什么

engine/engine.py:

  1. 脚本主体提成常量 _SAPI_PS,内容固定,不含任何外部字符串
  2. 文本只走标准输入:StreamReader([Console]::OpenStandardInput()) + ReadToEnd()
  3. 输出路径只走环境变量 CURA_SAPI_OUT
  4. 失败时显式检查 returncode 并抛出 stderr 摘要,不再拿一个可能不存在的 wav 去读(那只会得到更难懂的 IOError,掩盖真正原因)
env = dict(os.environ)
env["CURA_SAPI_OUT"] = out_wav
proc = subprocess.run(
    ["powershell", "-NoProfile", "-NonInteractive", "-Command", _SAPI_PS],
    input=text.encode("utf-8"),
    env=env,
    timeout=60,
    capture_output=True,
)
if proc.returncode != 0:
    raise RuntimeError(f"SAPI 兜底失败 rc={proc.returncode}: {detail}")

测试

新增 tests/test-tts-inject.mjs,49 条断言,已加进 tests/all.mjs(第 10 套)。

静态(代码形态)

  • _SAPI_PS 存在,且常量体内无 + 拼接、无 {} 占位
  • 脚本里不再有 $s.Speak(@',改为 $s.Speak($text)
  • 调用侧必须用 input=text.encode(...),-Command 的实参必须是常量
  • 全文件扫一遍:-Command 的实参不得含拼接表达式,且只允许出现一处

动态(真跑)

不是复刻调用逻辑,而是 import engine 直接调生产函数 _sapi_pcm,喂五类文本:

用例 意图
here-string 闭合 试图提前结束 here-string
$(New-Item ...) 子表达式注入
hi; New-Item ... 分号串联
-Text 值看起来像参数名
中文与换行 编码正确性

每个断言 rc==0、音频长度足够、注入的 marker 文件不存在。

变异自证(双向)

  • input=text.encode("utf-8") → input=None:静态组报「必须用 input= 把文本喂给 stdin」
  • 换回旧版本 engine.py:报「找不到 _SAPI_PS 常量」
  • 删掉 env=env(静态断言抓不到):动态组报探针 rc=1
  • 还原后全绿

CI 的诚实边界:CI 是 ubuntu-latest,没有 powershell 也没有 python。第 4/5 组会打印「跳过动态注入验证」并且不计为通过。静态断言在 CI 上照常全跑。本机 Windows 上两组都真跑了。

完整测试

node tests/all.mjs → 10 套全过(32561ms)。

已知但不属于本次改动

lib/chat.js:161、lib/index.js:541、lib/rules-remote.js:579 走的是 powershell -File say.ps1 -Text <value>,值经 argv 传递、不进脚本语法,不是注入。一个边角情况:如果值恰好是 -Text 这种形如参数名的字符串,PowerShell 会报缺参数。这是健壮性问题不是安全问题,本次未动。

我没有做的事

  • 没有把 SAPI 失败降级成静默兜底(仍然抛出,由上层记 error 并回 0.5s 静音)
  • 没有改 engine/.scratch/engine.wip.py(未跟踪、不在 npm files[] 里,非生产代码)
  • 没有顺手动其他文件

Windows 离线 TTS 兜底(engine/engine.py 的 _sapi_pcm)此前把待合成文本
直接拼进 -Command 的脚本字符串里。待合成文本来自模型回复,是可被外部
内容影响的数据,拼进脚本等于让数据参与语法解析。

改法:
- 脚本主体提成常量 _SAPI_PS,内容固定,不含任何外部字符串
- 文本只走标准输入(StreamReader(OpenStandardInput) + ReadToEnd)
- 输出路径只走环境变量 CURA_SAPI_OUT
- powershell 失败时显式检查 returncode 并抛出 stderr 摘要,
  不再拿一个可能不存在的 wav 去读

新增 tests/test-tts-inject.mjs(49 条断言):
- 静态:脚本是常量、无 here-string 拼接、调用侧只用 input=、
  全文件 -Command 的实参不含拼接表达式且只出现一处
- 动态:直接 import engine 调生产函数 _sapi_pcm,喂 here-string 闭合、
  \$(...) 子表达式、分号串联、看似参数名的 "-Text"、中文换行五类文本,
  断言都能正常合成且注入内容未被执行
- 非 Windows 或缺 python/powershell 时明说跳过,不计为通过
@modusensus
modusensus merged commit 3511ef4 into main Nov 14, 2026
4 checks passed
Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment

Labels

None yet

Projects

None yet

Development

Successfully merging this pull request may close these issues.

1 participant