Edge 在线语音 403 问题修复

本文目录

[Edge 在线语音是什么](#Edge 在线语音是什么)
[问题现象：HTTP 403](#问题现象：HTTP 403)
[为什么会 403](#为什么会 403)
修复方案
效果与小结

一、Edge 在线语音是什么

「有声小说书屋」客户端里内置了两套朗读引擎：

一套是本地朗读（OneCore），用 Windows 自带语音，完全离线；

另一套就是本文的主角------Edge 在线朗读，它调用微软的神经网络语音，音色自然（晓晓、云希、云健等十几个音色），但需要联网。

Edge 在线朗读的完整链路是这样的：

其中第 ② 步的「WebSocket 握手」最关键------如果握手时服务器不认可你，整条链路在开头就断了，后面都白搭。

二、问题现象：HTTP 403

问题出现时，用户点「朗读」会看到类似这样的报错，或者干脆没声音：

复制代码

Edge 在线语音服务拒绝连接（HTTP 403）。

HTTP 403 的意思是「服务器拒绝访问」------不是网络断了，也不是接口不存在，而是服务器主动拒绝了我们发过去的连接请求。

一句话理解 403服务端收到了请求，但「验明正身」这一关没过，于是把连接关掉了。所以排查方向就是：我们提交给服务器的「身份凭证」哪里不对。

三、为什么会 403

微软这个 readaloud/edge/v1 接口不是公开 API，它是 Edge 浏览器「大声朗读」功能内部使用的一个私有接口。要访问它，必须在请求里带上一串「鉴权参数」，只要任何一个对不上，服务器就返回 403。

这些参数里，最关键的三个：

TrustedClientToken

一个固定令牌，相当于「入门卡」。微软会不定期更换，旧令牌会直接失效。

Sec-MS-GEC

一个签名值，格式 CS64-SHA256。这是最难的一环------它是一套「修改版」摘要算法。

Sec-MS-GEC-Version

签名版本号，跟着 Edge / Chromium 内核版本走，例如 2-143.0.3650.75。

3.1 签名算法变了

微软在 Edge 内核升级时，把 Sec-MS-GEC 从旧版换成了 v2 算法。它不是标准的 SHA-256，而是用了自定义的初始状态、替换过的第 14 轮常量、以及自定义的消息填充 ，另外还拼上一个独立的 CS64 摘要。旧版客户端算出来的签名和服务器对不上，自然被拒。 $1$

3.2 版本号没跟上

签名的版本号 Sec-MS-GEC-Version 要和当前 Edge 内核一致。内核从旧版升级到 143.0.3650.75 之后，如果客户端还报旧版本号，服务器也不认。 $3$

3.3 系统时钟不准（隐藏坑）

这是最隐蔽的一个原因。签名算法里有一个「5 分钟签名窗口」：它先把当前时间戳对齐到 5 分钟的整边界，再参与签名计算。如果本机系统时间不准 （快了几分钟或慢了几分钟），算出来的签名会落在服务器认定的「错误窗口」里，同样返回 403。 $2$

为什么时钟会导致 403服务器只接受「最近 5 分钟」内的签名。本机时钟偏了之后，你以为是现在，服务器却觉得你的签名是「过去」或「未来」发出的，于是拒绝。

四、修复方案

针对上面的三个根因，做了四步修复，核心代码都在 EdgeTtsClient.cpp 里。

4.1 重写 Sec-MS-GEC v2 签名

按新版 edge-tts 的 drm.py 算法，逐常量对齐实现了「修改版 SHA-256 + CS64」，输出 <CS64 16位hex>-<SHA256 64位hex> 格式的签名。 $1$ 签名输入是「校正后的时间戳 + 固定令牌」：

复制代码

// 取系统时间（100ns 刻度），先校正时钟，再对齐到 5 分钟窗口
ticks += g_clockSkewTicks;                  // 时钟偏移校正
ticks -= ticks % (300ULL * 10000000ULL);    // 对齐到 5 分钟

// 签名输入 = 时间戳字符串 + 固定令牌
std::string strToHash = tickText + kTrustedClientToken;
// 用修改版 SHA-256 + CS64 算出 Sec-MS-GEC

4.2 更新令牌与版本号

把 TrustedClientToken 更新为新令牌，并把 kChromiumVersion 提到 143.0.3650.75，最终请求路径的关键参数长这样：

复制代码

/consumer/speech/synthesize/readaloud/edge/v1
    ?TrustedClientToken=6A5AA1D4EAFF4E9FB37E23D68491D6F4
    &ConnectionId=<随机 16 字节 hex>
    &Sec-MS-GEC=<CS64>-<SHA256>
    &Sec-MS-GEC-Version=2-143.0.3650.75

4.3 系统时钟偏移校正

在首次合成时 ，先请求一次 voices/list 接口，读它响应头里的 Date（服务器时间），用它减去本机时间得到偏移量并缓存。之后每次算签名都用校正后的时间，从而稳定落在正确的 5 分钟窗口内：

复制代码

// 通过 voices/list 的 Date 头，计算「服务器时间 - 本地时间」的偏移
g_clockSkewTicks = serverTicks - localTicks;
g_clockSkewValid = true;   // 只算一次，之后复用缓存

4.4 顺手优化：minimp3 解码

修复过程中还发现一个体验问题：原来用 Windows 的 Media Foundation 解码 MP3，首次播放要冷启动数十秒 。于是换成单头文件的 minimp3 纯 C 解码器，直接从内存解 MP3 到 PCM 再交给 WASAPI 播放，首声响应的等待几乎消失。

五、效果与小结

修复之后，Edge 在线朗读恢复了正常：握手拿到 101（协议切换成功），服务器正常返回音频，403 不再出现。

小结

这类「私有接口」比较脆弱，微软一升级内核，签名和版本就要跟着变，否则旧客户端立刻失效。
排查 403 时，别只盯着签名算法，版本号 和系统时钟同样能导致拒绝，时钟偏移是这次最隐蔽的一环。
签名、令牌、版本、时钟四者对齐之后，在线朗读才稳定；离线场景仍可随时切回「本地朗读（OneCore）」，不依赖网络。

根因	表现	修复
Sec-MS-GEC 签名算法升级	旧签名被拒，403	重写 v2 签名（修改版 SHA-256 + CS64）
TrustedClientToken / 版本号过期	凭证失效，403	更新令牌与 Chromium 版本号
系统时钟不准	签名落在错误窗口，403	首次合成时校正时钟偏移并缓存
Media Foundation 解码慢	首次播放等待数十秒	换 minimp3 纯 C 解码器

参考资料（在线）

edge-tts · drm.py 源码 --- Sec-MS-GEC v2 签名与时钟偏移校正的直接实现，代码注释「严格对应 edge_tts/drm.py」所指文件。edge-tts/src/edge_tts/drm.py at master · rany2/edge-tts · GitHub
DeepWiki · rany2/edge-tts · DRM and Security --- 确定问题根因的关键页：系统时钟与微软服务器不同步会返回 403，需用响应的 Date 头计算偏移自动恢复。DRM and Security | rany2/edge-tts | DeepWiki
kothok-edge-tts（crates.io）--- 佐证：微软按 Edge 发布周期轮换 SEC_MS_GEC_VERSION，过期后每次合成返回 HTTP 403，需重新 pin 版本号。https://crates.io/crates/kothok-edge-tts/0.2.1
pyVideoTrans · Common Edge-TTS Errors --- 补充 403 的另一成因：同一 IP 短时间高频请求会触发限流。https://en.pyvideotrans.com/edgetts-error
edge-tts（GitHub 项目）--- Edge 浏览器「大声朗读」私有接口的开源实现，本项目鉴权签名的总来源。GitHub - rany2/edge-tts: Use Microsoft Edge's online text-to-speech service from Python WITHOUT needing Microsoft Edge · GitHub

本地源码

EdgeTtsClient.cpp --- Edge 在线语音客户端：鉴权签名、时钟偏移校正、合成与播放。g:\biancheng\GUDIANSHUWU\GUDIANSHUWU\EdgeTtsClient.cpp
EdgeTtsClient.h --- 客户端类与音色目录（EdgeVoiceCatalog）声明。g:\biancheng\GUDIANSHUWU\GUDIANSHUWU\EdgeTtsClient.h