Add alibaba cloud asr api support

AGENTS.md

@@ -4,21 +4,25 @@ B 站视频自动字幕 Tampermonkey 脚本开发指南
 
 ## 项目概述
 
-这是一个单文件的 Tampermonkey 用户脚本，集成音频提取、腾讯云 AI 识别和原生级字幕渲染功能。
+这是一个单文件的 Tampermonkey 用户脚本，集成音频提取、多云AI识别（腾讯云/阿里云）和原生级字幕渲染功能。
 
 ## 核心技术实现
 
 ### 0. 配置管理 (ConfigManager)
 - **安全存储**：使用 Tampermonkey 的 `GM_setValue` / `GM_getValue` API 将密钥加密存储在浏览器本地。
 - **配置验证**：提供 `validate()` 方法检查配置完整性。
 - **UI 集成**：提供可视化配置面板，用户无需修改代码。
+- **多服务商支持**：支持腾讯云和阿里云两种AI服务提供商，可在配置面板中切换。
+- **向后兼容**：自动迁移旧版本的腾讯云配置格式。
 
 ### 1. 音频提取 (AudioExtractor)
 - **DASH 解析**：通过 `window.__playinfo__` 获取高码率 DASH 音频流 URL。
 - **格式处理**：优先下载 m4a 格式，与腾讯云 API 兼容性最好。
 - **缓存机制**：使用 `CacheManager` (IndexedDB) 存储 Blob 数据，避免重复下载，设置 100MB 自动清理阈值。
 
 ### 2. AI 识别服务 (AISubtitleService)
+
+#### 腾讯云 ASR (TencentCloudProvider)
 - **API 对接**：对接腾讯云录音文件识别极速版 (`/asr/flash/v1`)。
 - **签名鉴权**：
   - 内置纯 JavaScript 实现的 HMAC-SHA1 算法 (`HmacSha1`)，不依赖 `Web Crypto API`，确保在所有 Tampermonkey 环境下的兼容性。
@@ -34,6 +38,25 @@ B 站视频自动字幕 Tampermonkey 脚本开发指南
        - 单词间停顿超过 500ms。
   - **输出**：生成时间轴精准、长短适宜的 SRT 格式字幕。
 
+#### 阿里云 ASR (AlibabaCloudProvider)
+- **API 对接**：对接阿里云录音文件识别 RESTful API (NLS Meta服务)。
+- **签名鉴权**：
+  - 使用相同的 HMAC-SHA1 算法，实现阿里云的 RPC 签名规范。
+  - 支持特殊字符的 Percent Encoding。
+- **异步识别流程**：
+  1. `_submitTask`: 将音频转换为 base64 格式并提交识别任务。
+  2. `_pollResult`: 轮询获取识别结果（最多60次，间隔2秒）。
+  3. `_jsonToSrt`: 解析结果并转换为 SRT 格式。
+- **智能分段算法**：
+  - 利用词级时间戳 (`Words` 数组) 进行精细断句。
+  - 支持相同的断句逻辑（标点符号、长度限制、停顿检测）。
+  - 无词级信息时回退到句子级别输出。
+
+#### 服务商切换
+- **动态选择**：通过 `ConfigManager.get().provider` 自动选择对应的提供商。
+- **统一接口**：`AISubtitleService.transcribe()` 方法屏蔽底层差异。
+- **错误提示**：根据当前选择的服务商显示相应的错误信息。
+
 ### 3. 字幕渲染 (SubtitleRenderer)
 - **DOM 注入**：自动侦测 B 站播放器容器 (`.bpx-player-video-area`) 并插入字幕层。
 - **样式复刻**：
@@ -75,9 +98,17 @@ B 站视频自动字幕 Tampermonkey 脚本开发指南
 - 实现了字幕缓存机制，避免重复调用 API。
 - 字幕数据与音频文件关联存储在 IndexedDB 中。
 - **工作流程**：
-  1. 首次识别：调用腾讯云 API，识别后自动保存字幕到缓存。
+  1. 首次识别：调用 AI API，识别后自动保存字幕到缓存。
   2. 再次加载：直接从缓存读取，无需重新调用 API，节省成本和时间。
 - **缓存管理**：
   - 字幕与音频文件关联存储（同一记录中）。
   - UI 显示缓存状态（"已缓存音频+字幕"或"已缓存音频"）。
-  - 按钮文案智能切换（"加载字幕 (使用缓存)"或"生成字幕 (腾讯云 AI)"）。
+  - 按钮文案智能切换（"加载字幕 (使用缓存)"或"生成字幕 (AI服务商 AI)"）。
+
+### ✅ 多云 AI 服务支持（v0.3.0）
+- **阿里云 ASR 支持**：新增阿里云录音文件识别接口。
+- **服务商切换**：可在配置面板中选择使用腾讯云或阿里云。
+- **统一体验**：不同服务商使用相同的 UI 和工作流程。
+- **智能提示**：按钮和状态栏自动显示当前使用的服务商名称。
+- **配置独立**：腾讯云和阿里云配置分别存储，切换服务商无需重新配置。
+- **向后兼容**：自动迁移旧版本配置，已有用户无感知升级。

CHANGELOG.md

@@ -0,0 +1,65 @@
+# 更新日志
+
+## v0.3.0 (2025-11-22)
+
+### 新增功能
+- **阿里云 ASR 支持**：新增阿里云智能语音交互录音文件识别接口
+  - 支持异步任务提交和结果轮询
+  - 实现阿里云 RPC 签名算法
+  - 支持词级时间戳和智能断句
+
+- **多云服务切换**：在配置面板中可选择使用腾讯云或阿里云
+  - 统一的用户体验和工作流程
+  - 独立的配置存储，切换无需重新配置
+  - 智能提示当前使用的服务商
+
+### 改进
+- **配置管理重构**：
+  - 支持多服务商配置存储
+  - 自动迁移旧版本配置（v0.2.x → v0.3.0）
+  - 配置窗口每次打开时重新加载最新值
+
+- **UI 优化**：
+  - 配置面板支持服务商切换
+  - 按钮文案动态显示当前服务商名称
+  - 状态提示更加清晰
+
+### 技术细节
+- 新增 `AlibabaCloudProvider` 模块
+- 新增 `getProviderName()` 方法用于获取当前服务商名称
+- 配置结构从扁平化改为层级化（`provider` + `tencent`/`alibaba`）
+- 实现了阿里云 Percent Encoding 规范
+
+### 兼容性
+- 完全向后兼容 v0.2.x
+- 旧版本配置自动迁移，无感知升级
+- 未配置用户首次打开会提示选择服务商
+
+---
+
+## v0.2.1
+
+### 新增功能
+- **字幕缓存**：识别成功后自动保存字幕到 IndexedDB
+- 再次访问时优先读取缓存，避免重复调用 API
+- UI 显示缓存状态（"已缓存音频+字幕"或"已缓存音频"）
+
+---
+
+## v0.2.0
+
+### 新增功能
+- **可视化配置面板**：无需修改代码即可配置 API 密钥
+- **安全存储**：使用 `GM_setValue` 在浏览器本地存储密钥
+- **首次使用引导**：自动弹出配置窗口
+
+---
+
+## v0.1.0
+
+### 初始版本
+- 音频提取功能
+- 腾讯云 ASR 对接
+- 智能断句算法
+- 字幕渲染
+- IndexedDB 音频缓存

README.md

@@ -1,6 +1,6 @@
 # B 站视频自动字幕脚本
 
-一个基于 Tampermonkey 的用户脚本，为 B 站视频自动生成字幕。通过提取视频音频、调用 **腾讯云录音识别极速版 API** 进行语音识别，并自动将字幕渲染到视频播放器中。
+一个基于 Tampermonkey 的用户脚本，为 B 站视频自动生成字幕。通过提取视频音频、调用 **AI 语音识别服务**（支持腾讯云/阿里云）进行语音识别，并自动将字幕渲染到视频播放器中。
 
 ## 功能特性
 
@@ -9,7 +9,9 @@
 - **智能缓存**：使用浏览器 IndexedDB 缓存音频文件和字幕数据（上限 100MB），避免重复下载和调用 API，节省流量和成本。
 
 ### 2. AI 极速识别
-- **腾讯云对接**：集成腾讯云录音文件识别极速版 API，识别速度快（通常 30 分钟音频仅需 10 秒）。
+- **多云支持**：支持腾讯云和阿里云两种 AI 服务提供商，可自由切换。
+  - **腾讯云**：录音文件识别极速版 API，识别速度快（通常 30 分钟音频仅需 10 秒）。
+  - **阿里云**：智能语音交互 ASR 服务，支持词级时间戳和高准确率识别。
 - **智能断句**：
   - 采用 **词级重组算法**，将长语音流拆分为适合阅读的短句。
   - 基于**标点符号**、**自然停顿 (>500ms)** 和**字符长度 (20字)** 进行智能切分。
@@ -24,45 +26,67 @@
 
 ### 前置要求
 - 安装 [Tampermonkey](https://www.tampermonkey.net/) 浏览器扩展。
-- 注册 [腾讯云账号](https://cloud.tencent.com/) 并开通 [录音文件识别极速版](https://cloud.tencent.com/product/flash-asr)（新用户通常有免费额度）。
+- 选择一个 AI 服务提供商并注册账号（二选一）：
+  - **腾讯云**：注册 [腾讯云账号](https://cloud.tencent.com/) 并开通 [录音文件识别极速版](https://cloud.tencent.com/product/flash-asr)（新用户通常有免费额度）。
+  - **阿里云**：注册 [阿里云账号](https://www.aliyun.com/) 并开通 [智能语音交互](https://www.aliyun.com/product/nls)（新用户通常有免费额度）。
 
 ### 安装步骤
 1. 安装 Tampermonkey 扩展。
 2. 创建新脚本，将 `bilibili-auto-subtitle.user.js` 内容复制进去。
 3. 保存脚本并刷新 B 站视频页面。
 4. **首次使用配置**：
    - 脚本会自动弹出配置面板。
-   - 填入您的腾讯云 `APPID`, `SECRET_ID`, `SECRET_KEY`。
+   - 选择服务提供商（腾讯云或阿里云）。
+   - 填入相应的 API 密钥（见下方"配置说明"）。
    - 点击"保存"，密钥将安全存储在浏览器本地。
    - *注意：密钥仅存储在您的浏览器中，不会上传到任何服务器。*
 
 ## 使用说明
 
 1. **打开视频**：访问任意 B 站视频页，右侧会出现"B站自动字幕"悬浮面板。
-2. **配置密钥**（首次使用）：点击"⚙️ 设置"按钮，输入腾讯云 API 密钥并保存。
+2. **配置密钥**（首次使用）：点击"⚙️ 设置"按钮，选择服务提供商并输入相应 API 密钥，点击保存。
 3. **提取音频**：点击"提取音频"，脚本会自动下载并缓存音频。
-4. **生成字幕**：下载完成后点击"生成字幕 (腾讯云 AI)"，脚本将上传音频并获取字幕。
+4. **生成字幕**：下载完成后点击"生成字幕 (AI服务商名称)"，脚本将上传音频并获取字幕。
+   - 腾讯云：通常 10-30 秒即可完成识别。
+   - 阿里云：采用异步识别，需要等待 30-120 秒（脚本会自动轮询结果）。
 5. **观看视频**：字幕生成后会自动加载，随视频播放同步显示。
 6. **再次访问**：已识别过的视频会显示"已缓存音频+字幕"，点击"加载字幕 (使用缓存)"即可直接加载，无需重新调用 API。
 
 ## 配置说明
 
-### 腾讯云 API 配置
-
 脚本提供了**可视化配置界面**，无需修改代码：
 
+### 通用配置步骤
 1. 点击悬浮面板上的"⚙️ 设置"按钮。
-2. 在弹出的配置窗口中填入以下信息：
-   - **APPID**：腾讯云账号 APPID
-   - **SECRET_ID**：API 密钥 ID
-   - **SECRET_KEY**：API 密钥 Key（输入时会隐藏显示）
-3. 点击"保存"完成配置。
+2. 在"选择服务提供商"下拉菜单中选择腾讯云或阿里云。
+3. 根据选择填入相应的密钥信息（见下方各服务商说明）。
+4. 点击"保存"完成配置。
+
+### 腾讯云 API 配置
+
+**需要的信息**：
+- **APPID**：腾讯云账号 APPID
+- **SECRET_ID**：API 密钥 ID
+- **SECRET_KEY**：API 密钥 Key
 
-### 获取密钥
+**获取密钥**：
 1. 访问 [腾讯云 API 密钥管理](https://console.cloud.tencent.com/cam/capi)。
 2. 新建密钥，获取 `SecretId` 和 `SecretKey`。
 3. 访问 [账号信息](https://console.cloud.tencent.com/developer) 获取 `APPID`。
 
+### 阿里云 API 配置
+
+**需要的信息**：
+- **ACCESS_KEY_ID**：阿里云访问密钥 ID
+- **ACCESS_KEY_SECRET**：阿里云访问密钥 Secret
+- **APP_KEY**：智能语音交互项目的 AppKey
+
+**获取密钥**：
+1. 访问 [阿里云 AccessKey 管理](https://ram.console.aliyun.com/manage/ak)。
+2. 创建 AccessKey，获取 `AccessKeyId` 和 `AccessKeySecret`。
+3. 访问 [智能语音交互控制台](https://nls-portal.console.aliyun.com/applist)。
+4. 创建项目，获取项目的 `AppKey`。
+
 ### 安全性说明
 - 密钥通过 Tampermonkey 的 `GM_setValue` API 存储在浏览器本地。
 - 数据不会上传到任何第三方服务器。
@@ -72,14 +96,24 @@
 
 - **音频提取**：解析 `window.__playinfo__` 获取 DASH 音频流。
 - **缓存层**：`CacheManager` 模块封装 IndexedDB，实现 FIFO 缓存淘汰策略，同时缓存音频文件和字幕数据。
-- **识别层**：`TencentCloudProvider` 实现 HMAC-SHA1 签名鉴权（纯 JS 实现，无外部依赖），直接调用腾讯云 REST API。
+- **识别层**：
+  - `TencentCloudProvider`：实现腾讯云录音识别极速版 API 对接。
+  - `AlibabaCloudProvider`：实现阿里云智能语音交互 API 对接（异步识别+轮询）。
+  - 统一的 HMAC-SHA1 签名鉴权（纯 JS 实现，无外部依赖）。
 - **字幕缓存**：识别成功后自动保存字幕到 IndexedDB，再次访问时优先读取缓存，避免重复调用 API。
 - **解析层**：`SRTParser` 负责解析字幕，`SubtitleRenderer` 负责 DOM 渲染。
+- **配置管理**：`ConfigManager` 支持多服务商配置，自动迁移旧版本数据。
 
 ## 常见问题
 
-### Q: 为什么提示"签名错误 (4002)"？
-A: 请检查脚本中的 `APPID`, `SECRET_ID`, `SECRET_KEY` 是否正确，且没有多余空格。确保您的腾讯云账号已开通语音识别服务。
+### Q: 为什么提示"签名错误"或"API 错误"？
+A: 请检查配置的密钥是否正确，且没有多余空格。确保您的云服务账号已开通相应的语音识别服务。
+
+### Q: 腾讯云和阿里云有什么区别？
+A: 
+- **腾讯云**：识别速度更快（10-30秒），适合快速生成字幕。
+- **阿里云**：识别准确率更高，支持更多音频格式，但识别时间稍长（30-120秒）。
+- 建议根据您的需求和已有的云服务账号选择。
 
 ### Q: 字幕时间对不上？
 A: 脚本已内置时间戳修正逻辑。如果仍有偏差，可能是网络延迟或音频文件版本问题，尝试点击"重新生成"或刷新页面。