BA7IEE · BA7IEE · Aug 13, 2026 · Aug 1, 2026 · Aug 1, 2026 · Aug 1, 2026
diff --git a/01_PRD_v0.1.md b/01_PRD_v0.1.md
@@ -75,9 +75,11 @@ v0.1 仅服务单一用户，运行在一台 M2 MacBook 上，不需要账号、
 3. 模拟 `Command + C`。
 4. 在限定时间内读取新文本。
 5. 恢复原剪贴板。
-6. 仍失败时显示轻提示：“未检测到选中文字”，并提供“开始 OCR”按钮。
+6. 仍失败时分两种情况：
+   - 剪贴板已有文本：把该文本填入原文框，提示区注明内容来自剪贴板，并提供“翻译剪贴板内容”和“开始 OCR”按钮。默认不自动翻译；通用设置“无选中文字时自动翻译剪贴板”开启后跳过确认直接翻译。
+   - 剪贴板没有文本：显示轻提示“未检测到选中文字”，并提供“开始 OCR”按钮。
 
-禁止在读取失败后自动触发 OCR，避免用户误框选。
+禁止在读取失败后自动触发 OCR，避免用户误框选。剪贴板兜底只读取当前剪贴板内容，不保存剪贴板历史。
 
 #### D. OCR 框选
 
@@ -115,8 +117,15 @@ v0.1 仅服务单一用户，运行在一台 M2 MacBook 上，不需要账号、
 浮窗目标语言控制：
 
 - 一级：中文、English
-- 更多：日本語、한국어、繁體中文
-- 点击当前目标语言会使用已修改的原文重新翻译。
+- 更多：日本語、한국어、繁體中文；选中“更多”里的语言后，菜单标题显示该语言名并呈现选中态。
+- 用户在浮窗内手动切换过目标语言后，浮窗保持可见期间的后续取词与 OCR 不再被自动检测覆盖；浮窗关闭后恢复自动检测。
+
+重新翻译的入口：
+
+- 在原文框内按回车。正在翻译时按回车会取消当前请求并用当前原文重新翻译；`Shift + 回车`、`Option + 回车` 插入换行；输入法组字期间回车交给输入法处理。
+- 点击原文区的“翻译”按钮，等价于回车。
+- 点击当前目标语言。
+- 翻译失败时点击错误提示行的“重试”。
 
 翻译应流式显示。若第三方接口不支持流式，应兼容一次性 JSON 返回。
 
@@ -134,7 +143,7 @@ v0.1 仅服务单一用户，运行在一台 M2 MacBook 上，不需要账号、
 
 优先保持含义、语气和阅读体验，避免机械逐字对应；只输出译文。
 
-三个预设均只在设置页选择和编辑，并支持恢复默认。“翻译预设”页为当前默认翻译配置选择默认预设；浮窗不提供预设切换。
+三个预设均只在设置页编辑，并支持恢复默认。“翻译预设”页为当前默认翻译配置选择默认预设。浮窗提供会话级预设切换：切换后立即用当前原文重新翻译，只影响当前浮窗会话，不修改设置中的默认预设，浮窗关闭后回到默认预设。
 
 #### H. 翻译模型配置
 
@@ -175,37 +184,47 @@ v0.1 仅服务单一用户，运行在一台 M2 MacBook 上，不需要账号、
 建议结构：
 
 ```text
-┌──────────────────────────────────────┐
-│ 原文                      中文 English 更多 │
-│ 可编辑原文区域                         │
-│ [复制] [朗读]                          │
-├──────────────────────────────────────┤
-│ 译文                         [翻译中/取消] │
-│ 流式译文区域                           │
-│ [复制] [朗读]                          │
-│ OCR 小图预览（可折叠）             [固定] │
-└──────────────────────────────────────┘
+┌────────────────────────────────────────────────┐
+│ 原文  预设            中文 English 更多    [固定] │
+│ 可编辑原文区域                                   │
+│ [翻译] [复制] [朗读] （OCR 来源追加 [重新框选]）   │
+├────────────────────────────────────────────────┤
+│ 译文                              [翻译中/取消] │
+│ 流式译文区域                                     │
+│ 错误行：重试 / 打开设置 / 开始 OCR                │
+│ 提示行：翻译剪贴板内容 / 开始 OCR                 │
+│ [复制] [朗读]                                    │
+│ OCR 小图预览（可折叠）                            │
+└────────────────────────────────────────────────┘
 ```
 
 行为：
 
 - 出现在鼠标或 OCR 区域附近。
 - 自动避让菜单栏、Dock 和屏幕边缘。
+- 已固定且已显示的浮窗不再被重新定位，只刷新内容并保持前置。
 - 点击外部自动关闭。
 - 固定后点击外部不关闭。
 - `Esc` 关闭，若正在翻译则先取消请求。
+- `⌘⇧C` 复制译文；原文框支持 `⌘A`、`⌘C`、`⌘V`、`⌘X`。
+- 取词中与本地识别中原文框不可编辑，结束后恢复。
+- 流式输出时译文区自动滚动到底部；用户手动向上滚动后，本次翻译不再自动跟随。
 - 新快捷键任务会取消当前未完成请求并替换单一面板内容。
 - 复制操作显示短暂成功状态。
-- 默认不自动复制，不自动朗读。
+- 自动复制和自动朗读全部由通用设置控制，自动执行时同样给出复制成功状态。除“OCR 完成后自动复制识别文字”默认开启外，其余自动项默认关闭；默认不自动朗读。
 
 #### J. 语音朗读
 
 原文和译文分别提供朗读按钮。
 
-- 中文和英文分别保存一个默认 Voice。
+- 中文和英文分别保存 Voice、Instructions 和朗读速度。
 - 使用独立的 TTS 配置，不与翻译模型绑定。
-- 首选 OpenAI-compatible `/v1/audio/speech`。
+- 支持 OpenAI-compatible `/v1/audio/speech`。
+- 支持阿里云百炼 Qwen3-TTS 原生 HTTP 协议，包括
+  `qwen3-tts-flash` 与 `qwen3-tts-instruct-flash`。
 - 支持自定义 URL、API Key、模型、Voice、请求头、输出格式。
+- OpenAI-compatible Speech 支持 `0.25×–4.00×` 朗读速度；默认 `1.00×`。
+- 百炼 Qwen3-TTS 的生成响应与临时音频下载分两步完成；下载不转发鉴权信息。
 - 支持生成、播放、暂停、继续、停止、重新播放。
 - 点击另一个朗读按钮时停止当前音频并播放新任务。
 - API 不可用时可选择 macOS 本地系统语音兜底。
@@ -230,7 +249,11 @@ v0.1 仅服务单一用户，运行在一台 M2 MacBook 上，不需要账号、
 - 点击外部关闭浮窗
 - 默认固定状态，默认关闭
 - OCR 完成后自动翻译，默认开启
+- OCR 完成后自动复制识别文字，默认开启
 - OCR 截图预览，默认开启
+- 无选中文字时自动翻译剪贴板，默认关闭
+- 翻译完成后自动复制译文，默认关闭
+- 翻译完成后自动朗读译文，默认关闭
 - 本地 TTS 兜底，默认开启
 
 #### L. 权限引导

diff --git a/02_TECHNICAL_DESIGN.md b/02_TECHNICAL_DESIGN.md
@@ -415,7 +415,8 @@ protocol SpeechProviding: Sendable {
   "model": "gpt-4o-mini-tts",
   "input": "需要朗读的文本",
   "voice": "coral",
-  "response_format": "mp3"
+  "response_format": "mp3",
+  "speed": 0.75
 }
 ```
 
@@ -425,15 +426,57 @@ protocol SpeechProviding: Sendable {
 - API Key
 - Bearer 或自定义 Header
 - 模型
-- 中文 Voice
-- 英文 Voice
+- 中文 Voice、Instructions、speed
+- 英文 Voice、Instructions、speed
 - 输出格式
-- 可选 instructions
 - 超时
 
+Provider 根据 `SpeechRequest.language` 选择对应语言的 Voice、Instructions 与 speed。
+设置页将两种语言并列放在“声音与朗读方式”中；输出格式和超时仍属于“请求行为”。
+旧 Profile 的单一 `instructions` 与 `speed` 在解码时分别复制到中文和英文配置；
+新数据只写入独立字段。
+
+为兼容未完整实现 OpenAI Speech schema 的旧第三方服务，`speed == 1.0` 时不发送
+该可选字段；用户选择其他速度时才发送。Profile 解码旧数据时补默认值 `1.0`，
+并将异常持久化值限制到官方范围。速度按界面精度归一到两位小数，请求使用
+强类型 `Encodable` 与 `JSONEncoder`，禁止把 `0.8` 序列化为带二进制长尾的数字。
+HTTP 5xx 归类为服务暂不可用，不显示为请求格式不兼容。百炼 Qwen Provider
+不发送此字段。
+
 第三方服务如果遵循 OpenAI Speech schema 可直接使用。若协议不同，新增独立 Provider，不在 v0.1 里加入任意 JSON 模板编辑器。
 
-### 9.3 文本长度
+### 9.3 阿里云百炼 Qwen3-TTS HTTP
+
+使用独立 `DashScopeQwenSpeechProvider`，不把百炼协议伪装成
+OpenAI `/v1/audio/speech`。
+
+生成 Endpoint：
+
+`/api/v1/services/aigc/multimodal-generation/generation`
+
+请求概念：
+
+```json
+{
+  "model": "qwen3-tts-instruct-flash",
+  "input": {
+    "text": "需要朗读的文本",
+    "voice": "Cherry",
+    "language_type": "Chinese",
+    "instructions": "缓慢、清晰地朗读"
+  }
+}
+```
+
+- `qwen3-tts-flash` 不发送 `instructions`
+- `qwen3-tts-instruct-flash` 按文本语言发送中文或英文 `instructions`
+- 非流式响应返回临时 OSS 音频 URL，Provider 随即下载到内存
+- 只接受阿里云 OSS `aliyuncs.com` 域名，HTTP URL 升级为 HTTPS
+- 音频下载请求不得携带 API Key 或生成请求的自定义 Header
+- JSON 元数据与音频分别限制响应大小
+- 生成和下载均支持任务取消
+
+### 9.4 文本长度
 
 实现 `TextChunker`：
 
@@ -443,7 +486,7 @@ protocol SpeechProviding: Sendable {
 - 所有块生成完成后依次播放
 - 任一块失败时停止并显示具体块序号
 
-### 9.4 播放
+### 9.5 播放
 
 `AudioPlaybackController` 使用 AVFoundation：
 
@@ -453,7 +496,7 @@ protocol SpeechProviding: Sendable {
 - 任务取消时释放 Data
 - 同一时刻只允许一个播放会话
 
-### 9.5 本地兜底
+### 9.6 本地兜底
 
 `SystemSpeechProvider` 使用 macOS 系统语音：
 

diff --git a/03_ACCEPTANCE_TESTS.md b/03_ACCEPTANCE_TESTS.md
@@ -141,7 +141,31 @@
 
 步骤：配置 OpenAI-compatible 第三方 Speech endpoint。
 
-期望：自定义 URL、模型、Voice、Key、Header 生效，音频成功播放。
+期望：
+
+- 自定义 URL、模型、Voice、Key、Header 生效，音频成功播放
+- 中文和英文分别使用各自的 Voice、Instructions 与朗读速度
+- 旧版单一 Instructions/Speed 配置升级后同时迁移到中文和英文，不丢失设置
+- 调整朗读速度后，请求发送对应 `speed`
+- `0.8×`、`0.85×` 等速度以简洁十进制数字发送，不包含二进制浮点长尾
+- 默认 `1.0×` 不发送可选 `speed` 字段，保持旧第三方服务兼容
+- 修改速度后缓存键变化，不复用其他速度生成的音频
+- HTTP 5xx 显示服务暂不可用，不误报为请求格式不兼容
+
+### P0-14A 百炼 Qwen3-TTS HTTP
+
+步骤：选择“阿里云百炼 Qwen HTTP”，配置北京区工作空间域名、API Key、
+`qwen3-tts-flash` 或 `qwen3-tts-instruct-flash`，分别朗读中英文。
+
+期望：
+
+- 使用百炼原生 HTTP 请求结构，而不是 `/v1/audio/speech`
+- 中文和英文分别发送正确 Voice 与 `language_type`
+- 仅 Instruct 模型发送 Instructions
+- 临时 OSS 音频地址升级为 HTTPS 后下载并播放
+- 下载请求不携带 API Key 或自定义鉴权 Header
+- 非阿里云 OSS 音频地址被拒绝
+- 相同文本、语言和配置再次朗读时复用内存缓存，不重复计费请求
 
 ### P0-15 TTS 本地兜底
 

diff --git a/README.md b/README.md
@@ -38,7 +38,7 @@ Both paths open one floating panel where the source stays editable and the sourc
 - **Two shortcuts, one flow.** No main window to find and no context switching.
 - **Local OCR.** Screenshots stay in memory and text recognition runs through Apple Vision.
 - **Bring your own model.** Configure custom URLs, models, headers, timeouts, streaming, OpenAI Responses, or Chat Completions.
-- **Flexible speech.** Use an OpenAI-compatible speech endpoint or explicitly fall back to macOS system voices.
+- **Flexible speech.** Use an OpenAI-compatible speech endpoint, Alibaba Cloud Model Studio Qwen3-TTS over native HTTP, or explicitly fall back to macOS system voices.
 - **Privacy by design.** Keys live in Keychain; logs are redacted; there is no history, account, telemetry, or cloud sync.
 - **Native and lean.** Swift 6, SwiftUI + AppKit, Apple frameworks, and zero third-party runtime dependencies.
 - **Cancellation-safe.** A new capture replaces the previous session and cancels in-flight OCR, network, and audio work.
@@ -117,7 +117,7 @@ Translation profiles support:
 - Automatic, enabled, or disabled streaming
 - Streaming SSE and non-streaming JSON responses
 
-Speech profiles support OpenAI-compatible `/v1/audio/speech` endpoints with custom URL, model, voice, headers, and output format. “OpenAI-compatible” implementations vary; please open a compatibility report when a provider needs a dedicated adapter.
+Speech profiles support OpenAI-compatible `/v1/audio/speech` endpoints with custom URL, model, headers, output format, and independent Chinese/English voice, instructions, and `0.25×–4.00×` speed control. A dedicated Alibaba Cloud Model Studio HTTP adapter supports `qwen3-tts-flash` and `qwen3-tts-instruct-flash`; it downloads the short-lived audio result over HTTPS without forwarding API credentials. Other “OpenAI-compatible” implementations still vary, so please open a compatibility report when a provider needs a dedicated adapter.
 
 Never place a real API key in source files, Markdown, test fixtures, `.env` files committed to Git, or issue screenshots.
 

diff --git a/README.zh-CN.md b/README.zh-CN.md
@@ -38,7 +38,7 @@
 - **两个快捷键，一条工作流。** 不需要先找到主窗口，也不打断当前工作。
 - **OCR 完全本地。** 截图只驻留内存，识别使用 Apple Vision。
 - **自带模型。** 支持自定义 URL、模型、Header、超时、流式模式、Responses 和 Chat Completions。
-- **灵活朗读。** 可使用 OpenAI-compatible Speech 接口，也可由用户明确切换到 macOS 系统语音。
+- **灵活朗读。** 可使用 OpenAI-compatible Speech 接口、阿里云百炼 Qwen3-TTS 原生 HTTP，也可由用户明确切换到 macOS 系统语音。
 - **隐私优先。** 密钥进入 Keychain；日志脱敏；不保存历史；没有账号、遥测或云同步。
 - **原生且克制。** Swift 6、SwiftUI + AppKit、Apple 原生框架、零第三方运行时依赖。
 - **完整取消链路。** 新任务会替换旧会话并取消进行中的 OCR、网络和音频任务。
@@ -117,7 +117,7 @@ brew install xcodegen
 - 自动、开启或关闭流式模式
 - SSE 流式响应和非流式 JSON 响应
 
-语音配置支持 OpenAI-compatible `/v1/audio/speech`，可自定义 URL、模型、Voice、Header 和输出格式。不同厂商对“OpenAI 兼容”的实现并不完全一致；如需专门适配器，请提交兼容性报告。
+语音配置支持 OpenAI-compatible `/v1/audio/speech`，可自定义 URL、模型、Header 和输出格式，并可独立配置中文/英文 Voice、Instructions 及 `0.25×–4.00×` 朗读速度。专用的阿里云百炼 HTTP 适配器支持 `qwen3-tts-flash` 和 `qwen3-tts-instruct-flash`，会通过 HTTPS 下载短期音频结果且不转发 API 凭据。其他厂商对“OpenAI 兼容”的实现仍可能不同；如需专门适配器，请提交兼容性报告。
 
 不要把真实 API Key 放入源码、Markdown、测试 fixture、Git 中的 `.env` 文件或 Issue 截图。