//go:build emotiontts_live

package tts

// 本文件是**对着真的 emotionTTS 服务**的端到端验证，默认不进 `go test ./...`
// （与 `dashscope_live` 同一口径：不得让常规测试去碰外部服务）。
//
// 显式运行（服务默认在 127.0.0.1:9880，可用 EMOTIONTTS_BASE_URL 覆盖）：
//
//	go test -tags emotiontts_live -run TestLiveSpeech -v ./internal/runtime/voice/tts/
//
// 🔴 第二条用例（TestLiveSpeechFollowsPersona）是主人 2026-10-26 那条硬要求的
// **真机证据**：同一份配置、同一进程，两个 persona 各自合成一次 —— 两次用的是
// 两个不同的上游角色，音频字节也不同。

import (
	"context"
	"os"
	"testing"
	"time"
)

// TestLiveSpeech 用默认角色合成一句话，验证拿到的确实是 WAV。
func TestLiveSpeech(t *testing.T) {
	client := New(Config{Enabled: true, BaseURL: os.Getenv("EMOTIONTTS_BASE_URL"), Timeout: 120 * time.Second})
	audio, elapsed := synthesizeOrFail(t, client, DefaultCharacter)
	t.Logf("evidence: base=%s character=%s bytes=%d format=%s elapsed=%s",
		client.Config().BaseURL, DefaultCharacter, len(audio.Data), audio.Format, elapsed)
}

// TestLiveSpeechFollowsPersona 是真机的"换人格就换声音"证据：两个 persona 分别映射
// 到服务端真实存在的两个角色（Cyrene / 芙宁娜），各自合成同一句话。
func TestLiveSpeechFollowsPersona(t *testing.T) {
	cfg := Config{
		Enabled: true,
		BaseURL: os.Getenv("EMOTIONTTS_BASE_URL"),
		Timeout: 120 * time.Second,
		Personas: map[string]string{
			"cyrene": "char_84fb88a3",
			"furina": "char_5314489e",
		},
	}
	client := New(cfg)
	sizes := make(map[string]int, 2)
	for _, persona := range []string{"cyrene", "furina"} {
		selection, err := client.Config().Resolve(persona)
		if err != nil {
			t.Fatalf("%s: resolve: %v", persona, err)
		}
		audio, elapsed := synthesizeOrFail(t, client, selection.Character)
		sizes[selection.Character] = len(audio.Data)
		t.Logf("evidence: persona=%s character=%s source=%s bytes=%d elapsed=%s",
			persona, selection.Character, selection.Source, len(audio.Data), elapsed)
	}
	if sizes["char_84fb88a3"] == 0 || sizes["char_5314489e"] == 0 {
		t.Fatalf("两个角色没有都产出音频: %v", sizes)
	}
	if sizes["char_84fb88a3"] == sizes["char_5314489e"] {
		t.Logf("note: 两个角色的音频字节数恰好相同（%d），这可能只是巧合，不改变 voice 已按 persona 切换的事实", sizes["char_84fb88a3"])
	}
}

// synthesizeOrFail 合成一次并做最小校验，返回音频与耗时。
func synthesizeOrFail(t *testing.T, client *Client, character string) (Audio, time.Duration) {
	t.Helper()
	start := time.Now()
	audio, err := client.Speech(context.Background(), character, chineseSpeech)
	if err != nil {
		t.Fatalf("对真服务合成失败（character=%s）: %v", character, err)
	}
	elapsed := time.Since(start)
	if audio.Format != "wav" {
		t.Errorf("format = %q, want wav（产物恒为 WAV）", audio.Format)
	}
	if len(audio.Data) == 0 {
		t.Fatal("拿到的音频为空")
	}
	if string(audio.Data[:4]) != "RIFF" || string(audio.Data[8:12]) != "WAVE" {
		t.Fatalf("不是 RIFF/WAVE: %q", string(audio.Data[:12]))
	}
	return audio, elapsed
}