diff --git a/cmd/cyrene/wire_voice_tts.go b/cmd/cyrene/wire_voice_tts.go index 4430c8b..f9db7aa 100644 --- a/cmd/cyrene/wire_voice_tts.go +++ b/cmd/cyrene/wire_voice_tts.go @@ -45,7 +45,6 @@ func (a *app) voiceForGateway() gateway.VoiceService { "base_url", client.RedactedBaseURL(), "personas", len(cfg.Personas), "default_set", cfg.Default != "", - "format", cfg.Format, "timeout_sec", int(cfg.Timeout/time.Second), "config", runtimeconfig.VoiceTTSConfigRelPath) return service @@ -84,7 +83,6 @@ func (a *app) voiceTTSConfig() (voicetts.Config, bool) { BaseURL: tuning.BaseURL, Personas: tuning.Personas, Default: tuning.Default, - Format: tuning.Format, Timeout: time.Duration(tuning.TimeoutSec) * time.Second, }, true } diff --git a/internal/config/runtimeconfig/voicetts.go b/internal/config/runtimeconfig/voicetts.go index fc4e4f5..8f1018d 100644 --- a/internal/config/runtimeconfig/voicetts.go +++ b/internal/config/runtimeconfig/voicetts.go @@ -94,11 +94,6 @@ type VoiceTTSTuning struct { // 保留字段只为在启动日志里明确告诉运维"这一键不再生效,请改用 personas", // 而不是让它被 json 静默丢弃。新配置**不要**写它。 Character string `json:"character,omitempty"` - // Format 是请求格式,只接受 wav/mp3/ogg。空 = 代码默认 wav。 - // - // 注意:上游产物**恒为 WAV**(它按 `response_format` 自报 media_type,但字节是 - // WAV)⇒ 真正下发的格式一律由字节嗅探裁决,这一键只影响请求参数。 - Format string `json:"format,omitempty"` // TimeoutSec 是单次合成超时(**秒**)。零/负 = 没配 ⇒ 代码默认 60 秒。 // // 用秒而不是 Go 时长字面量:这个文件是给人改的,写 `60` 比要求记住 `"60s"` @@ -106,6 +101,10 @@ type VoiceTTSTuning struct { TimeoutSec int `json:"timeoutSec,omitempty"` } +// 本文件**刻意没有** `format` 键:上游只拿 `response_format` 改它自报的 media_type, +// 产物恒 `.wav` 且无转码,我方又只按字节嗅探裁决 ⇒ 那个键不改变任何交付字节, +// 是假开关。请求体里它由 `tts.requestFormat` 固定为 wav。 + // EnabledOn 报告这一级是否被显式打开(nil = 没配 ⇒ 不启用)。 func (t VoiceTTSTuning) EnabledOn() bool { return t.Enabled != nil && *t.Enabled } diff --git a/internal/config/runtimeconfig/voicetts_test.go b/internal/config/runtimeconfig/voicetts_test.go index 107393b..a3f5558 100644 --- a/internal/config/runtimeconfig/voicetts_test.go +++ b/internal/config/runtimeconfig/voicetts_test.go @@ -29,7 +29,7 @@ func TestLoadVoiceTTSTuning(t *testing.T) { // ③ 合法(新形状:personas 映射 + default;旧的全局 character 不再参与) body := `{"enabled":true,"baseUrl":"http://127.0.0.1:9880", "personas":{"cyrene":"char_84fb88a3","furina":"char_5314489e"}, - "default":"char_84fb88a3","format":"wav","timeoutSec":45}` + "default":"char_84fb88a3","timeoutSec":45}` if err := os.WriteFile(path, []byte(body), 0o600); err != nil { t.Fatalf("write: %v", err) } @@ -37,7 +37,7 @@ func TestLoadVoiceTTSTuning(t *testing.T) { if err != nil { t.Fatalf("合法文件: %v", err) } - if !tuning.EnabledOn() || tuning.Format != "wav" || tuning.TimeoutSec != 45 { + if !tuning.EnabledOn() || tuning.TimeoutSec != 45 { t.Fatalf("读取结果不对: %+v", tuning) } if len(tuning.Personas) != 2 || tuning.Personas["furina"] != "char_5314489e" { @@ -47,6 +47,18 @@ func TestLoadVoiceTTSTuning(t *testing.T) { t.Fatalf("default = %q", tuning.Default) } + // ③c 旧文件里若还留着 `format`,它**不再有任何效果**(结构体里没有这个键, + // json 当作未知字段忽略):加载仍成功,且交付格式只由字节嗅探决定。 + if err := os.WriteFile(path, []byte(`{"enabled":true,"format":"mp3","personas":{"cyrene":"char_84fb88a3"}}`), 0o600); err != nil { + t.Fatalf("write: %v", err) + } + if tuning, err = LoadVoiceTTSTuning(path); err != nil { + t.Fatalf("带废弃 format 键的文件不该解不开: %v", err) + } + if !tuning.EnabledOn() || tuning.Personas["cyrene"] != "char_84fb88a3" { + t.Fatalf("废弃键影响了其余字段: %+v", tuning) + } + // ③b 旧的全局 character 仍能读出来(供启动日志提示"已废弃"),但它**不是** // personas/default 的一部分 —— 组合根绝不把它当发音人。 if err := os.WriteFile(path, []byte(`{"enabled":true,"character":"char_old"}`), 0o600); err != nil { diff --git a/internal/runtime/voice/tts/client.go b/internal/runtime/voice/tts/client.go index 94b0e6e..d0afafb 100644 --- a/internal/runtime/voice/tts/client.go +++ b/internal/runtime/voice/tts/client.go @@ -64,9 +64,10 @@ type speechPayload struct { Model string `json:"model"` // Input 是要合成的文本(UTF-8;见文件头的红线)。 Input string `json:"input"` - // Voice 是角色 id 或名字(`char_84fb88a3` / `Cyrene` 都认)。 + // Voice 是角色 id(由会话 persona 映射而来,每次请求现算)。 Voice string `json:"voice"` - // ResponseFormat 是请求格式;产物恒为 WAV,真实格式按字节嗅探。 + // ResponseFormat 恒为 `wav`(`requestFormat`):上游产物无转码、我方只按字节 + // 嗅探裁决,这个字段不可配置(见 requestFormat 的注释)。 ResponseFormat string `json:"response_format"` } @@ -110,7 +111,7 @@ func New(cfg Config, opts ...Option) *Client { for _, o := range opts { o(c) } - c.cfg = cfg.Normalized(c.log) + c.cfg = cfg.Normalized() if c.http == nil { c.http = &http.Client{Timeout: c.cfg.Timeout} } @@ -163,7 +164,7 @@ func (c *Client) Speech(ctx context.Context, character, text string) (Audio, err // speak 是 Speech 的主体:编码 → 发送 → 判状态 → 嗅探。失败原因已分类。 func (c *Client) speak(ctx context.Context, character, text string) (Audio, error) { - body, err := encodeSpeech(text, character, c.cfg.Format) + body, err := encodeSpeech(text, character) if err != nil { return Audio{}, err } @@ -193,12 +194,12 @@ func (c *Client) speak(ctx context.Context, character, text string) (Audio, erro // 🔴 全仓仅此一处构造请求体:`json.Encoder` 天然产出 UTF-8,且这里显式关掉 HTML // 转义,使正文里的 `<`/`>`/`&` 不会被改写成 `\u003c` 之类(内容逐字不变,下游 // 日志与音色匹配都依赖原文)。**绝不**改成字符串拼接或 GBK 转码(见文件头)。 -func encodeSpeech(text, character, format string) ([]byte, error) { +func encodeSpeech(text, character string) ([]byte, error) { payload := speechPayload{ Model: modelName, Input: text, Voice: character, - ResponseFormat: format, + ResponseFormat: requestFormat, } var buf bytes.Buffer enc := json.NewEncoder(&buf) @@ -225,11 +226,30 @@ func (c *Client) unreachable(ctx context.Context, endpoint string, err error) er return fmt.Errorf("%w: %s: %w", ErrUnreachable, reason, err) } -// upstreamStatus 把非 200 收敛成 ErrUpstream,并在日志里留下状态码与一小段 -// 响应片段(上游的错误体是它自己的 `{"detail":...}`;片段只用于排查,不含我方正文)。 +// upstreamStatus 把非 200 收敛成 ErrUpstream,并只记**元数据**(状态码、Content-Type +// 与响应字节数)—— 上游的错误体**一个字节都不进日志**。 +// +// 🔴 这条是隐私红线,不是风格问题:FastAPI 的 422 会把请求体里的 `input` **整段回显**, +// 实测报文形如 +// +// {"detail":[{"type":"missing","loc":["body","voice"],…, +// "input":{"input":"你好,我是苏梦,我有点难过。"}}]} +// +// 于是"把错误体前 512 字节打进 WARN"就等于**把她说的原话写进日志**。错误链里同样 +// 只有状态码(`TestSpeechRejectLogOmitsRequestText` 钉这一条,变异可打红)。 +// +// 字节数优先取 `Content-Length`;缺失时只做**有界**排空(上限 maxDrainBytes)得出 +// 一个下界,**不为数字节把整段读完**,读到的东西也绝不进日志。 func (c *Client) upstreamStatus(res *http.Response) error { - snippet, _ := io.ReadAll(io.LimitReader(res.Body, 512)) - c.warn("voice tts rejected", "status", res.StatusCode, "detail", string(snippet)) + size := res.ContentLength + if size < 0 { + drained, _ := io.Copy(io.Discard, io.LimitReader(res.Body, maxDrainBytes)) + size = drained + } + c.warn("voice tts rejected", + "status", res.StatusCode, + "content_type", res.Header.Get("Content-Type"), + "response_bytes", size) return fmt.Errorf("%w: status %d", ErrUpstream, res.StatusCode) } @@ -273,9 +293,16 @@ type Audio struct { // redactURL 把 baseURL 收敛成**可打日志**的形态:只保留 scheme 与 host, // 丢掉 userinfo/query(若运维在地址里塞了凭据,别把它写进日志)。 +// +// 解析失败或没有 host 时**不能**原样返回:`http://user:pass@` 这种不合法地址会 +// 把凭据整个写进日志。因此兜底判据是"含 `@` 就整体打码"(`@` 是 userinfo 的 +// 分隔符,出现在地址里只可能是凭据)。 func redactURL(raw string) string { u, err := url.Parse(raw) if err != nil || u.Host == "" { + if strings.Contains(raw, "@") { + return "" + } return raw } return u.Scheme + "://" + u.Host diff --git a/internal/runtime/voice/tts/client_test.go b/internal/runtime/voice/tts/client_test.go index 7d9e7f3..f577208 100644 --- a/internal/runtime/voice/tts/client_test.go +++ b/internal/runtime/voice/tts/client_test.go @@ -91,8 +91,9 @@ func TestSpeechSendsUTF8ChineseText(t *testing.T) { if gotPayload.Voice != DefaultCharacter { t.Errorf("voice = %q, want %q", gotPayload.Voice, DefaultCharacter) } - if gotPayload.ResponseFormat != DefaultFormat { - t.Errorf("response_format = %q, want %q", gotPayload.ResponseFormat, DefaultFormat) + // response_format 恒为 wav 且**不可配置**(上游产物无转码,见 requestFormat)。 + if gotPayload.ResponseFormat != "wav" { + t.Errorf("response_format = %q, want 硬编码的 wav", gotPayload.ResponseFormat) } // ③ 回发的格式由**字节嗅探**裁决,不是请求里那个字段。 if audio.Format != "wav" || len(audio.Data) == 0 { @@ -216,24 +217,21 @@ func TestSpeechGuards(t *testing.T) { // 🔴 它同时钉住一条**反向**口径:归一化**不得**给任何角色兜底 —— 代码里写死一个 // 默认发音人,正是主人点名的病害(换人格仍用老声音)。 func TestConfigNormalized(t *testing.T) { - got := Config{}.Normalized(discardLogger()) + got := Config{}.Normalized() if got.Enabled { t.Errorf("零值配置不该被悄悄启用") } - if got.BaseURL != DefaultBaseURL || got.Format != DefaultFormat || got.Timeout != DefaultTimeout { + if got.BaseURL != DefaultBaseURL || got.Timeout != DefaultTimeout { t.Fatalf("默认值不对: %+v", got) } if got.Default != "" || len(got.Personas) != 0 { t.Fatalf("归一化给发音人兜底了(红线:不许有代码默认角色): %+v", got) } - if custom := (Config{BaseURL: " http://127.0.0.1:9880/ ", Format: "MP3"}).Normalized(discardLogger()); custom.BaseURL != DefaultBaseURL || custom.Format != "mp3" { + if custom := (Config{BaseURL: " http://127.0.0.1:9880/ "}).Normalized(); custom.BaseURL != DefaultBaseURL { t.Errorf("归一化不对: %+v", custom) } - if bad := (Config{Format: "exe"}).Normalized(discardLogger()); bad.Format != DefaultFormat { - t.Errorf("非法格式应回落默认: %+v", bad) - } // persona/character 两端的空白被清掉;空 personaId 的键被丢弃。 - trimmed := (Config{Personas: map[string]string{" a ": " char_1 ", "": "char_2"}, Default: " char_3 "}).Normalized(discardLogger()) + trimmed := (Config{Personas: map[string]string{" a ": " char_1 ", "": "char_2"}, Default: " char_3 "}).Normalized() if trimmed.Personas["a"] != "char_1" || len(trimmed.Personas) != 1 || trimmed.Default != "char_3" { t.Fatalf("映射/默认值没有被归一化: %+v", trimmed) } diff --git a/internal/runtime/voice/tts/config.go b/internal/runtime/voice/tts/config.go index 3c68b26..bf95abb 100644 --- a/internal/runtime/voice/tts/config.go +++ b/internal/runtime/voice/tts/config.go @@ -22,14 +22,14 @@ // 做一个假开关** —— 因此 `Config` 刻意不含 `speed`。同理不含 `emotion`/`tone`: // 那两样上游自己推,我方传什么都是噪音。 // -// # 一次只暴露三样 +// # 对外只有两样 // -// 对调用方只暴露 `text`(必填)、角色(默认 `Cyrene` 的 `char_84fb88a3`)与 -// `format`(默认 wav)。其余全部是代码默认值或面板文件里的运维旋钮。 +// 对调用方只暴露 `text`(必填)与角色(由会话 persona 映射而来)。**没有 `format`**: +// 上游只拿它改自报的 media_type,产物恒 `.wav` 无转码,我方只按字节嗅探裁决 ⇒ +// 那个键不改变任何交付字节(假开关)。其余全是面板文件里的运维旋钮或代码默认值。 package tts import ( - "log/slog" "strings" "time" ) @@ -46,30 +46,39 @@ const ( // `Config.Personas` / `Config.Default` 显式给出(见 Resolve)。 DefaultCharacter = "char_84fb88a3" - // DefaultFormat 是默认请求格式。服务端产物**恒为 WAV**(它把 .wav 落盘后用 - // `FileResponse` 回发,`response_format` 只影响它自报的 media_type),因此默认 - // wav;实际下发的格式仍由**字节嗅探**裁决(见 audio.go),不信任这个字段。 - DefaultFormat = "wav" - - // DefaultTimeout 是单次合成超时。实测一次中文合成约 4~6 秒(它内部还要先跑一次 - // LLM 情绪分析 + 素材匹配),故默认留足余量;超时即失败并回落既有链。 + // DefaultTimeout 是单次合成超时。实测一次中文合成约 4~8 秒(它内部还要先跑一次 + // LLM 情绪分析 + 素材匹配),故默认留足余量;超时即失败并按既有口径回落。 DefaultTimeout = 60 * time.Second // defaultMaxAudioBytes 限制读回的音频体积,使异常/畸形响应无法耗尽内存 // (32 MiB 远超一句话的语音,实测 5 秒语音约 100~200 KB)。 defaultMaxAudioBytes = 32 << 20 + // maxDrainBytes 是错误响应体的**有界**排空上限:只用来得出一个字节数下界, + // 读到的东西直接丢弃、绝不进日志(见 upstreamStatus 的隐私红线)。 + maxDrainBytes = 4096 + // speechPath 是 OpenAI 兼容合成端点(已实测可用:200 / RIFF-WAVE)。 speechPath = "/v1/audio/speech" // modelName 是上游要求的固定模型名(该服务只认 `emotionTTS`)。 modelName = "emotionTTS" + + // requestFormat 是请求体里 `response_format` 的**固定值**。 + // + // 🔴 它刻意**不可配置**:上游只拿它改 `FileResponse` 的 media_type,产物恒为 + // `.wav` 且**无转码**(`tts_router.py:437-438`),我方又从不读 `Content-Type` + // (格式一律由 `sniffAudio` 按字节裁决)⇒ `wav`/`mp3`/`ogg` 交付出去的字节与 + // 响应头**完全相同**。做成配置键就是一个假开关(主人对假开关零容忍)。 + requestFormat = "wav" ) // Config 是 emotionTTS 客户端的运行期旋钮(由面板文件 // `$DATA_DIR/config/voice-tts.json` 映射而来;零新 `.env` 键)。 // // 🔴 刻意**没有** speed / emotion / tone 三项,理由见包注释(上游硬编码或自推)。 +// 🔴 刻意**没有** format:上游只拿 `response_format` 改它自报的 media_type,产物 +// 恒为 `.wav` 无转码,我方又只按字节嗅探裁决 ⇒ 那个键不改变任何交付字节,是假开关。 // 🔴 也**没有全局 character**:发音人只能由 `Personas`(按会话角色映射)或 // `Default`(仅服务"解析不到 personaId")给出 —— 主人 2026-10-26 的硬要求 // 「TTS 的人物选择要绑定后端的角色,不然换了人格还是用老角色的声音」。 @@ -87,24 +96,16 @@ type Config struct { // 该出口本身没有会话)时使用的发音人。它**不**服务"配了 Personas 但没有 // 这个 persona 的键"那种情况 —— 那是 Resolve 的拒绝分支(主人点名的病害)。 Default string - // Format 是请求格式(`response_format`);空 = DefaultFormat。只接受 - // wav/mp3/ogg —— 且**只用于请求**,回发的真实格式一律按字节嗅探。 - Format string // Timeout 是单次合成超时;<=0 = DefaultTimeout。 Timeout time.Duration } -// supportedFormats 是允许写进 Format 的取值(上游 `response_format` 只用于自报 -// media_type;产物恒为 WAV)。写别的值不是"更灵活",而是让下游拿到一个与字节 -// 不符的标签 —— 因此这里**拒绝**而不是静默放行。 -var supportedFormats = map[string]bool{"wav": true, "mp3": true, "ogg": true} - -// Normalized 返回填好默认值、去掉首尾空白的配置。非法 Format 回落到默认值并 -// 通过 log 记一条 WARN(**不让它停摆** —— 一个写错的格式不该关掉整个语音面)。 +// Normalized 返回填好默认值、去掉首尾空白的配置。 // // 它**不**给 `Personas`/`Default` 补任何默认角色:发音人只有两种合法来源 -// (显式映射 / 显式 default),代码里的兜底值就是主人担心的病害本身。 -func (c Config) Normalized(log *slog.Logger) Config { +// (显式映射 / 显式 default),代码里的兜底值就是主人担心的病害本身。它也不接受 +// logger:当前没有任何"需要告警的回落"(格式已不是配置项,见 requestFormat)。 +func (c Config) Normalized() Config { out := c out.BaseURL = strings.TrimRight(strings.TrimSpace(out.BaseURL), "/") if out.BaseURL == "" { @@ -112,16 +113,6 @@ func (c Config) Normalized(log *slog.Logger) Config { } out.Personas = normalizePersonas(out.Personas) out.Default = strings.TrimSpace(out.Default) - out.Format = strings.ToLower(strings.TrimSpace(out.Format)) - if out.Format == "" { - out.Format = DefaultFormat - } else if !supportedFormats[out.Format] { - if log != nil { - log.Warn("unsupported tts format, fell back to default", - "format", out.Format, "default", DefaultFormat) - } - out.Format = DefaultFormat - } if out.Timeout <= 0 { out.Timeout = DefaultTimeout } diff --git a/internal/runtime/voice/tts/redact_test.go b/internal/runtime/voice/tts/redact_test.go new file mode 100644 index 0000000..3d38af5 --- /dev/null +++ b/internal/runtime/voice/tts/redact_test.go @@ -0,0 +1,123 @@ +package tts + +// 本文件锁定**日志侧**的两条口径(复审 r1 的 P2-2 / nit,都是"CI 抓不到"的那类): +// +// 1. 🔴 WARN / 错误链里**绝不能出现她的正文**。上游(FastAPI)的 422 会把请求体 +// 里的 `input` 整段回显,所以「把错误体前 512 字节打进日志」= 把她的原话写进 +// 日志。这里用一台**回显正文**的假上游 + 一个接日志缓冲区的 logger 来抓它。 +// 2. `redactURL` 的兜底路径:地址里含 `@`(userinfo)时必须整体打码,哪怕 URL +// 本身不合法 —— 否则 `user:pass@` 会把凭据原样写进日志。 + +import ( + "bytes" + "context" + "errors" + "log/slog" + "net/http" + "net/http/httptest" + "strings" + "testing" +) + +// captureLogger 返回一个把日志写进内存缓冲的 logger(断言用)。 +func captureLogger() (*slog.Logger, *bytes.Buffer) { + var buf bytes.Buffer + return slog.New(slog.NewTextHandler(&buf, &slog.HandlerOptions{Level: slog.LevelDebug})), &buf +} + +// TestSpeechRejectLogOmitsRequestText 是隐私红线的用例:上游回 422 并**回显请求体** +// (FastAPI 的真实行为),日志里因此**一个正文词都不许出现**,只许有元数据。 +// +// 变异:把错误体重新塞回 WARN(`"detail", string(snippet)`)⇒ 本用例必红。 +func TestSpeechRejectLogOmitsRequestText(t *testing.T) { + log, buf := captureLogger() + srv := httptest.NewServer(http.HandlerFunc(func(w http.ResponseWriter, r *http.Request) { + w.Header().Set("Content-Type", "application/json") + w.WriteHeader(http.StatusUnprocessableEntity) + // 这就是复审在真服务上抓到的形状:input 被整段回显。 + _, _ = w.Write([]byte(`{"detail":[{"type":"missing","loc":["body","voice"],` + + `"msg":"Field required","input":{"model":"emotionTTS","input":"` + chineseSpeech + `"}}]}`)) + })) + t.Cleanup(srv.Close) + client := New(Config{Enabled: true, BaseURL: srv.URL}, WithLogger(log)) + + _, err := client.Speech(context.Background(), DefaultCharacter, chineseSpeech) + if !errors.Is(err, ErrUpstream) { + t.Fatalf("err = %v, want ErrUpstream", err) + } + + logs := buf.String() + // ① 日志里不得出现正文的任何一段(整句、半句、单个关键词都算泄漏)。 + for _, leak := range []string{chineseSpeech, "苏梦", "心情特别好", "你好"} { + if strings.Contains(logs, leak) { + t.Fatalf("日志里出现了请求正文(%q)—— 隐私红线:\n%s", leak, logs) + } + } + // ② 也不得出现上游错误体的结构键(那正是"把 body 打出来"的痕迹)。 + if strings.Contains(logs, "detail") || strings.Contains(logs, "loc") { + t.Fatalf("日志里出现了上游错误体内容:\n%s", logs) + } + // ③ 该有的元数据必须在:状态码 + 响应字节数(排查靠它们,不靠正文)。 + if !strings.Contains(logs, "status=422") { + t.Fatalf("日志缺状态码:\n%s", logs) + } + if !strings.Contains(logs, "response_bytes=") { + t.Fatalf("日志缺响应字节数:\n%s", logs) + } + // ④ 错误串本身也不许带正文(调用方可能把它写日志)。 + if strings.Contains(err.Error(), "苏梦") || strings.Contains(err.Error(), chineseSpeech) { + t.Fatalf("错误串里出现了正文: %v", err) + } +} + +// TestSpeechRejectLogUsesContentLength 钉住"字节数优先取 Content-Length": +// 有长度时不必读响应体就能报出大小(不为数字节把整段读完)。 +func TestSpeechRejectLogUsesContentLength(t *testing.T) { + log, buf := captureLogger() + body := `{"detail":"nope"}` + srv := httptest.NewServer(http.HandlerFunc(func(w http.ResponseWriter, r *http.Request) { + w.Header().Set("Content-Type", "application/json") + w.Header().Set("Content-Length", "17") + w.WriteHeader(http.StatusBadRequest) + _, _ = w.Write([]byte(body)) + })) + t.Cleanup(srv.Close) + client := New(Config{Enabled: true, BaseURL: srv.URL}, WithLogger(log)) + + if _, err := client.Speech(context.Background(), DefaultCharacter, "你好"); !errors.Is(err, ErrUpstream) { + t.Fatalf("err = %v, want ErrUpstream", err) + } + logs := buf.String() + if !strings.Contains(logs, "response_bytes=17") { + t.Fatalf("没有采用 Content-Length: 17:\n%s", logs) + } + if strings.Contains(logs, "nope") { + t.Fatalf("日志里出现了响应体内容:\n%s", logs) + } +} + +// TestRedactURLCredentials 钉住 `redactURL` 的凭据兜底(复审 r1 的 nit)。 +func TestRedactURLCredentials(t *testing.T) { + cases := []struct { + name string + in string + want string + }{ + {"普通地址不动", "http://127.0.0.1:9880", "http://127.0.0.1:9880"}, + {"合法 URL 的 userinfo 被丢掉", "http://user:pass@127.0.0.1:9880", "http://127.0.0.1:9880"}, + {"非法 URL 含 @ ⇒ 整体打码", "http://user:pass@", ""}, + {"无 scheme 含 @ ⇒ 整体打码", "user:pass@host", ""}, + {"空串原样", "", ""}, + } + for _, c := range cases { + t.Run(c.name, func(t *testing.T) { + got := redactURL(c.in) + if got != c.want { + t.Fatalf("redactURL(%q) = %q, want %q", c.in, got, c.want) + } + if strings.Contains(got, "pass") { + t.Fatalf("凭据漏进可打日志的地址: %q", got) + } + }) + } +} diff --git a/internal/runtime/voice/tts/selection_test.go b/internal/runtime/voice/tts/selection_test.go index 355a788..27343b3 100644 --- a/internal/runtime/voice/tts/selection_test.go +++ b/internal/runtime/voice/tts/selection_test.go @@ -27,7 +27,7 @@ func selectionCfg() Config { // TestResolveMapsPersonaToCharacter 分支①:有映射 ⇒ 用映射到的角色(两个 persona // 各自映射到不同角色,绝不互相串)。 func TestResolveMapsPersonaToCharacter(t *testing.T) { - cfg := selectionCfg().Normalized(discardLogger()) + cfg := selectionCfg().Normalized() got, err := cfg.Resolve("cyrene") if err != nil || got.Character != "char_84fb88a3" || got.Source != SourceMapped { @@ -45,7 +45,7 @@ func TestResolveMapsPersonaToCharacter(t *testing.T) { // TestResolveUnmappedPersonaRefuses 分支④(红线):配了 personas 但**没有这个 // persona 的键** ⇒ 拒绝,**不看 default**、也不借用任何别的角色。 func TestResolveUnmappedPersonaRefuses(t *testing.T) { - cfg := selectionCfg().Normalized(discardLogger()) + cfg := selectionCfg().Normalized() got, err := cfg.Resolve("stranger") if !errors.Is(err, ErrPersonaUnmapped) { @@ -63,7 +63,7 @@ func TestResolveUnmappedPersonaRefuses(t *testing.T) { // TestResolveUnresolvedPersonaUsesDefault 分支②:personaId 解析不到(空串)⇒ 用 // default(配了才用)。 func TestResolveUnresolvedPersonaUsesDefault(t *testing.T) { - cfg := selectionCfg().Normalized(discardLogger()) + cfg := selectionCfg().Normalized() got, err := cfg.Resolve("") if err != nil || got.Character != "char_fallback" || got.Source != SourceDefault { t.Fatalf("空 persona ⇒ %+v err=%v, want default", got, err) @@ -73,7 +73,7 @@ func TestResolveUnresolvedPersonaUsesDefault(t *testing.T) { // TestResolveUnresolvedPersonaWithoutDefaultRefuses 分支②的另一半:没配 default ⇒ // 不合成(可分类错误),绝不自己猜一个角色。 func TestResolveUnresolvedPersonaWithoutDefaultRefuses(t *testing.T) { - cfg := Config{Enabled: true, Personas: map[string]string{"cyrene": "char_84fb88a3"}}.Normalized(discardLogger()) + cfg := Config{Enabled: true, Personas: map[string]string{"cyrene": "char_84fb88a3"}}.Normalized() if got, err := cfg.Resolve(""); !errors.Is(err, ErrNoCharacter) || got.Character != "" { t.Fatalf("空 persona + 无 default ⇒ %+v err=%v, want ErrNoCharacter", got, err) } @@ -82,7 +82,7 @@ func TestResolveUnresolvedPersonaWithoutDefaultRefuses(t *testing.T) { // TestResolveIsNotCachedAcrossPersonas 是主人担心那件事的**回归锁**:选角是纯函数, // 同一份配置先后解析两个 persona,第二次绝不沿用第一次的结果。 func TestResolveIsNotCachedAcrossPersonas(t *testing.T) { - cfg := selectionCfg().Normalized(discardLogger()) + cfg := selectionCfg().Normalized() first, err := cfg.Resolve("cyrene") if err != nil { t.Fatalf("first: %v", err) diff --git a/internal/runtime/voice/tts/service.go b/internal/runtime/voice/tts/service.go index 681544e..81899a8 100644 --- a/internal/runtime/voice/tts/service.go +++ b/internal/runtime/voice/tts/service.go @@ -158,15 +158,20 @@ func (s *Service) fallback(ctx context.Context, text string) (mvoice.Audio, stri // degrade 记录一次 emotionTTS 降级:未启用是 DEBUG(正常状态),其余是 WARN // (异常状态,但已被回落吸收)。日志只带文本长度,**绝不带正文**。 +// +// attempts / failures 也挂在这条 WARN 上:`Stats()` 若没有消费者,生产日志里就永远 +// 看不到"降级过几次",那这个计数等于没做(复审 r1 的 P2-3)。 func (s *Service) degrade(ctx context.Context, sel Selection, text string, err error) { + stats := s.Stats() if ctx.Err() != nil { // 回合被取消/超时的情形已由 Client 记过(unreachable),这里只补一句 // 「因此这次没声音」,避免同一条失败刷两条 WARN。 - s.log.Debug("voice tts skipped after cancel", "provider", ProviderName, "text_len", len(text)) + s.log.Debug("voice tts skipped after cancel", "provider", ProviderName, + "text_len", len(text), "attempts", stats.Attempts, "failures", stats.Failures) return } s.log.Warn("voice tts degraded to fallback chain", "provider", ProviderName, "persona", sel.PersonaID, "character", sel.Character, "source", string(sel.Source), - "text_len", len(text), "err", err) + "text_len", len(text), "attempts", stats.Attempts, "failures", stats.Failures, "err", err) } diff --git a/internal/runtime/voice/tts/service_test.go b/internal/runtime/voice/tts/service_test.go index 6086273..f341eee 100644 --- a/internal/runtime/voice/tts/service_test.go +++ b/internal/runtime/voice/tts/service_test.go @@ -21,6 +21,7 @@ import ( "log/slog" "net/http" "net/http/httptest" + "strings" "sync" "testing" @@ -249,6 +250,36 @@ func TestServiceFallsBackWhenUpstreamRejects(t *testing.T) { } } +// TestServiceDegradeLogsCounters 钉住 P2-3:降级那条 WARN 必须带上 attempts/failures —— +// 否则 `Stats()` 在生产日志里没有任何消费者,等于没做。 +// +// 变异:从 degrade 的 WARN 里去掉这两个字段 ⇒ 本用例红。 +func TestServiceDegradeLogsCounters(t *testing.T) { + rec := &recorder{wav: false, status: http.StatusInternalServerError} + srv := httptest.NewServer(rec.handler(t)) + t.Cleanup(srv.Close) + log, buf := captureLogger() + cfg := personaCfg() + cfg.Enabled = true + cfg.BaseURL = srv.URL + svc := NewService(New(cfg, WithLogger(discardLogger())), &fakeChain{}, WithServiceLogger(log)) + + if _, _, err := svc.TTSWithProvider(WithPersonaID(context.Background(), "cyrene"), chineseSpeech); err != nil { + t.Fatalf("主路失败应回落既有链,不该整体失败: %v", err) + } + logs := buf.String() + if !strings.Contains(logs, "failures=1") { + t.Fatalf("降级 WARN 里没有失败计数:\n%s", logs) + } + if !strings.Contains(logs, "attempts=1") { + t.Fatalf("降级 WARN 里没有尝试计数:\n%s", logs) + } + // 计数与正文同屏的风险同样要守住:这条 WARN 也不许带正文。 + if strings.Contains(logs, "苏梦") { + t.Fatalf("降级 WARN 里出现了正文:\n%s", logs) + } +} + // TestServiceDisabledIsTransparent 钉住"未启用 = 行为逐字不变":底链原样服务, // 一次都不碰 emotionTTS 的 HTTP。 func TestServiceDisabledIsTransparent(t *testing.T) { diff --git a/internal/services/gateway/audio.go b/internal/services/gateway/audio.go index 64a5a6d..3162d73 100644 --- a/internal/services/gateway/audio.go +++ b/internal/services/gateway/audio.go @@ -41,6 +41,14 @@ type speechRequest struct { SessionID string `json:"sessionId,omitempty"` } +// personaVoice 是"会按会话 persona 选发音人"的语音服务的**可选**扩展。只有 +// emotionTTS 门面(`*voicetts.Service`)实现它;既有链、stub 服务都不实现 ⇒ +// 未接 emotionTTS 时本片不为它额外查库,关闭态与引入之前逐字同行为。 +type personaVoice interface { + // PrimaryActive 报告"按 persona 选发音"这一级是否真的在生效。 + PrimaryActive() bool +} + // handleTranscribe 对上传的音频执行 STT 并返回识别出的 // 文本。它是原生客户端的 REST 来源,绕过 4KB WebSocket // 帧上限(该上限会截断 base64 音频块)。 @@ -110,7 +118,13 @@ func (s *Server) handleSpeech(w http.ResponseWriter, r *http.Request) { // 发音人按**本次请求的会话**所绑定的人格解析(切片 M35)。空 sessionId 或 // 会话无绑定 ⇒ personaID 为空 ⇒ 语音面走 default 分支(没有 default 就不合成)。 // 解析只做一次、只服务本次请求,绝不在注入时算一次并缓存成全局。 - ctx = voicetts.WithPersonaID(ctx, s.envResolver.sessionPersona(ctx, req.SessionID)) + // + // 🔴 只有"真的会按 persona 选发音"的语音服务才做这次库读取:未启用 emotionTTS + // 时注入的是既有链本身,此时本函数**不额外查库、不改 ctx** —— 关闭态与引入本 + // 切片之前逐字同行为(复审要求自证的那一条)。 + if pv, ok := s.voice.(personaVoice); ok && pv.PrimaryActive() { + ctx = voicetts.WithPersonaID(ctx, s.envResolver.sessionPersona(ctx, req.SessionID)) + } audi, rung, err := ttsWithProvider(ctx, s.voice, req.Text) if err != nil { s.auditClaims(r, "audio.speech", "error") diff --git a/internal/services/gateway/voice_emotiontts_test.go b/internal/services/gateway/voice_emotiontts_test.go index ccbd2e5..aac1329 100644 --- a/internal/services/gateway/voice_emotiontts_test.go +++ b/internal/services/gateway/voice_emotiontts_test.go @@ -229,6 +229,72 @@ func TestVoiceOutputFrameVoiceFollowsTurnPersona(t *testing.T) { } } +// TestSpeechEndpointDisabledVoiceDoesNotReadPersona 是**关闭态零行为变化**的自证 +// (复审要求在当前 tip 上重跑的那一条,而我这一版动了 `gateway/audio.go`): +// +// 注入的语音服务不是"按 persona 选发音"的那一类(既有链 / stub)时,语音合成 +// **一次都不查会话人格** —— 与引入本切片之前逐字同行为;反之(真 emotionTTS 门面) +// 才会查,说明这个闸不是"永远不查"。 +// +// 变异:去掉 handleSpeech 里的 `pv.PrimaryActive()` 闸 ⇒ 本用例第一段红。 +func TestSpeechEndpointDisabledVoiceDoesNotReadPersona(t *testing.T) { + env := newEnv(t, nil, false) + stub := &audioStubVoice{ttsAudio: mvoice.Audio{Format: "wav", Data: fakeWAV("chain")}} + env.srv.SetVoice(stub) + counter := &countingHistory{fakeHistory: &fakeHistory{}} + env.srv.envResolver = turnEnvResolver{history: counter, log: env.srv.log} + token := env.token(t, auth.RoleOwner) + + resp, body := doReq(t, http.MethodPost, env.ts.URL+"/api/v1/audio/speech", map[string]any{ + "text": "你好", "sessionId": "web:sub-1", + }, token) + if resp.StatusCode != http.StatusOK { + t.Fatalf("status = %d, body = %s", resp.StatusCode, body) + } + if got := counter.Calls(); got != 0 { + t.Fatalf("非 persona 语音服务却查了 %d 次会话人格(关闭态行为变了)", got) + } + if string(body) != string(fakeWAV("chain")) { + t.Fatalf("关闭态的音频不是既有链产物: %q", string(body)) + } + + // 对照:接上真的 emotionTTS 门面后,同一个端点会查一次人格(闸不是恒关)。 + env2 := newEnv(t, nil, false) + env2.srv.SetVoice(emotionTTSService(t, &vocalRecorder{}, voicetts.Config{Personas: personaCharacters}, &silentBase{})) + counter2 := &countingHistory{fakeHistory: &fakeHistory{}} + env2.srv.envResolver = turnEnvResolver{history: counter2, log: env2.srv.log} + if resp, body := doReq(t, http.MethodPost, env2.ts.URL+"/api/v1/audio/speech", map[string]any{ + "text": "你好", "sessionId": "web:sub-1", + }, env.token(t, auth.RoleOwner)); resp.StatusCode != http.StatusOK { + t.Fatalf("对照组 status = %d, body = %s", resp.StatusCode, body) + } + if got := counter2.Calls(); got != 1 { + t.Fatalf("启用 emotionTTS 后应查 1 次人格, got %d", got) + } +} + +// countingHistory 记录 SessionPersona 被查了几次(同时满足 HistoryStore 的其余方法)。 +type countingHistory struct { + *fakeHistory + mu sync.Mutex + calls int +} + +// SessionPersona 计数并回一个固定的 persona。 +func (h *countingHistory) SessionPersona(context.Context, string) (string, error) { + h.mu.Lock() + h.calls++ + h.mu.Unlock() + return "furina", nil +} + +// Calls 返回查询次数。 +func (h *countingHistory) Calls() int { + h.mu.Lock() + defer h.mu.Unlock() + return h.calls +} + // asString 安全地取一个 string 值(帧载荷是 map[string]any)。 func asString(v any) string { s, _ := v.(string)