本项目是一个专为基层医疗机构、体检中心和门诊检查科室设计的轻量级语音转化系统，解决「患者看不懂纸质/电子检查报告」这一高频现实堵点。我们不做报告生成，也不改写诊断结论，而是把已有结构化报告文本，经脱敏、术语简化、分段优化后，转成可扫码收听的标准语音流。核心能力全部围绕「听懂」展开：对姓名身份证等隐私字段自动过滤；将“左室射血分数降低（LVEF 45%）”转成“心脏泵血能力偏弱”；在“恶性肿瘤”“重度贫血”等词出现时插入提示音；支持医生批量导入报告ID、患者现场扫码即播。交付形态包含命令行批量处理（CLI）、本地Web服务（Express）、标准REST API三套接口，技术栈基于Node.js + TypeScript构建，语音合成层直接调用微软Edge-TTS（zh-CN-YunxiNeural等中文神经音色），不依赖私有云或GPU集群。

定位与能力范围

我们明确不覆盖影像原始数据解析、PDF OCR识别、AI辅助诊断或HIS系统对接。本系统只处理已结构化、已清洗、已落库的检查报告文本，比如LIS返回的JSON、体检平台导出的纯文本段落、或人工粘贴的标准化描述。输入是文字，输出是音频流，中间所有环节都服务于「让患者无门槛听清关键信息」。边界非常清晰：
- ✅ 处理文本中的医疗术语映射（当前内置50+条，如“窦性心动过缓”→“心跳比正常慢”）
- ✅ 自动识别并替换/屏蔽手机号、身份证号、姓名（正则+上下文双校验）
- ✅ 按语义粒度切分长句（避免整段连读导致理解困难）
- ✅ 在TTS生成阶段插入预警提示音（非简单加文字标注）
- ❌ 不解析DICOM、不转换PDF扫描件、不接入医院统一身份认证（OIDC/SAML）
- ❌ 不存储患者原始报告全文（音频文件按24小时自动过期）

这个边界决定了它能快速部署在社区卫生服务中心的旧笔记本上，也能嵌入三甲医院体检科的自助终端网页中，无需协调信息科排期。

核心功能

系统五大主干能力全部围绕“听清、听准、听安心”展开，每项都对应一个真实操作动作：

功能模块	用户动作	实现效果	说明文档依据
文本预处理引擎	输入任意报告文本	自动删除/掩码手机号、身份证、姓名；保留“肝功能异常”等医学判断原文	src/text-preprocessor.ts  中正则规则与上下文跳过逻辑
医疗术语简化	无需额外配置	“CK-MB升高”转为“心肌酶指标偏高”，“eGFR 42 mL/min/1.73m²”转为“肾功能轻度下降”	src/medical-terms.ts  内置映射表，支持热更新
TTS语音合成	指定音色与语速参数	支持zh-CN-YunxiNeural（青年男声）、zh-CN-XiaoyiNeural（女声）等6种音色；语速调节范围±30%（默认100%）	Edge-TTS官方中文音色列表，通过--voice与--rate传参控制
异常词预警	无需标记	在“癌”“转移”“危急值”“重度”等23类词首次出现前插入0.8秒提示音（叮～），非文字加粗或变色	预警词库固化于tts-engine.ts，可扩展但不开放动态配置
Web扫码界面	患者微信扫码	跳转至/report/R001页面，自动播放音频，底部显示“已脱敏”标识与语速滑块	public/index.html 与public/app.js实现前端闭环

所有功能均不依赖外部账号体系，患者扫码即用，医生批量处理时也只需提供报告ID或JSON文件路径。

使用与配置

上手极简，两类角色各走一条路径：

• 医生/技师

  ：用CLI批量处理报告，全程在终端完成

• 患者/家属

  ：用微信扫二维码，打开网页直接听

CLI常用命令（复制即用）

# 处理单份报告（ID为R001）
npm start -- --report-id R001

# 批量处理data目录下的示例报告
npm start -- --file data/sample-reports.json

# 指定音色与语速（语速20%即慢速清晰版）
npm start -- --report-id R001 --voice zh-CN-YunxiNeural --rate 20%

# 查看当前可用中文音色列表
npm start -- --list-voices

Web服务启动方式

开发调试：

npm run dev

访问 http://localhost:3000，手动输入报告ID即可试听。

生产部署：

npm run build
npm start

服务默认监听3000端口，可通过.env文件调整：

配置项	默认值	说明
PORT	3000	HTTP服务端口
TTS_TIMEOUT	30000	单次语音合成超时（毫秒）
AUDIO_EXPIRE_HOURS	24	生成音频缓存有效期（小时）

所有配置项均在.env.example中有完整注释，无需修改代码。

工程结构

项目采用分层清晰的TypeScript组织方式，每个模块职责单一，便于本地调试与二次开发：

目录/文件	主要职责	是否可独立复用
src/text-preprocessor.ts	隐私字段识别与脱敏（含姓名模糊化策略）	✅ 可单独引入其他Node项目
src/medical-terms.ts	术语映射字典（JSON格式，支持增删）	✅ 字典文件可导出为CSV供质控科审核
src/tts-engine.ts	封装Edge-TTS调用、异常词插音、语速控制	✅ 不耦合Express，可作微服务SDK
src/server.ts	Express路由定义与中间件挂载	⚠️ 依赖整体结构，建议整包迁移
public/index.html	响应式扫码页（适配手机横竖屏）	✅ 静态资源，可嵌入任何HIS内网门户

bin/cli.js为命令行唯一入口，src/report-model.ts定义了报告数据契约（含id、text、timestamp三字段），所有模块均不直接操作数据库，符合医疗软件“只读文本、不碰源系统”的安全基线。

环境与运行

最小运行环境仅需Node.js 18+，无Python、Java或Docker强制依赖。Windows、macOS、Linux均可原生运行，实测在树莓派4B（4GB内存）上稳定生成单条音频（平均耗时3.2秒）。语音合成完全走微软公开API，国内用户需确保网络可访问https://speech.platform.bing.com（部分医院内网需开通白名单）。

不推荐在无外网环境部署，这不是缺陷，而是设计选择：我们放弃自建TTS模型，换来零训练成本、零显卡依赖、开箱即用的合规语音输出。若机构有严格离线要求，说明文档中已注明可替换为本地gRPC版PaddleSpeech（需自行编译与适配接口）。

数据与扩展

系统不设数据库，所有状态均靠文件与内存维持。报告文本来源完全开放：
- 可从data/sample-reports.json加载示例
- 可通过/api/report/:id接口由外部系统推送（如LIS回调）
- CLI支持--file读取任意路径JSON，格式为数组，每项含id与text字段

术语映射表（src/medical-terms.ts）按临床科室分组注释，例如：

// 【检验科】
'ALT > 100 U/L': '肝功能指标明显升高',
// 【放射科】
'磨玻璃影': '肺部有模糊云雾状阴影',

新增术语只需在此文件追加键值对，重新运行即可生效，无需重启服务。

音频文件以<report-id>.mp3命名，存于./audio/目录，按.env中AUDIO_EXPIRE_HOURS定时清理，保障存储可控。

限制与说明

本系统不是通用TTS工具，而是医疗场景专用管道：
- 不支持中英混读（如“EGFR exon 19 del”仍读作中文“EGFR第19号外显子缺失”）
- 不提供报告原文纠错（错别字、标点混乱会原样转语音）
- Web界面不记录访问日志（logger.ts仅输出错误堆栈，无用户行为埋点）
- CLI批量模式下，单次最多处理500份报告（防内存溢出，可调config.ts中MAX_BATCH_SIZE）

所有限制均在README中明示，不包装、不暗示“后续升级支持”。我们相信：清楚划出能力边界，比模糊承诺更尊重使用者的专业判断。

项目地址：
https://github.com/nexorin9/report-tts-reader