自定义TTS模型语音播放时无法试听，对话中需要点击2次才能语音读出

[sipeter]

例行检查

• [x ] 我已确认目前没有类似 issue
• [x ] 我已完整查看过项目 README，以及项目文档
• [x ] 我使用了自己的 key，并确认我的 key 是可正常使用的
• [x ] 我理解并愿意跟进此 issue，协助测试和提供反馈
• [x] 我理解并认可上述内容，并理解项目维护者精力有限，不遵循规则的 issue 可能会被无视或直接关闭

你的版本

• [ ] 公有云版本
• [ x] 私有部署版本, 具体版本号:

问题描述, 日志截图

通过api方式接入自定义tts模型时：

1. 试听无法正常使用；
2. 对话中语音播放需要点击两次；

复现步骤

我是用gpt sovits 加载的tts模型，通过api方式接入到fastgpt中，当选中模型比如“晓墨”时，第一次点击试听，会生成语音，但并不会播放出声音，之后再点击这个模型，既不会生成语音，也不会播放声音； 选中这个模型为语音播放声音后，在对话中，需要点击2次才能听到声音，第一次生成语音，再次点击才能播放。

对比测试：

1. openai tts-1 的几个声音模型，点击试听，会生成语音，并自动播放出声音；在对话中，点击语音会生成并同时播放出语音；
2. 测试另一个tts项目chatTTS，也是通过api方式接入到fastgpt中，与openai tts-1一样，会按照预期正常播放语音。

预期结果

希望能够像openai tts-1和 chatTTS一样，按照预期正常播放语音； fastgpt中语音播放能够实现生成文字同时自动播放语音，不需要点击播放，或者有没有自动播放的的可选设置？

相关截图

[Goic]

我也在想方法替换funasr语音模型，docker部署的useSpeech.ts也不知道在哪里，没有相关教程

[SDAIer]

跟进