Cyrene_v2/internal/runtime/multimodal/voice/chain.go

package voice

import (
	"context"
	"fmt"

	"git.yeij.top/AskaEth/Cyrene_v2/internal/config"
)

// Chain 是一条降级提供方列表。STT 与 TTS 按序走各级，
// 返回第一个成功的结果；某级不可用（方向为 nil）或
// 失败时则移向下一级。它实现 STT 与 TTS，
// 因此可用在任何期望单个提供方的地方。
type Chain struct {
	steps  []Provider
	cloner VoiceCloner
}

// NewChain 按给定提供方的尝试顺序构造一条降级链。
// 把 SilentProvider 放在最后，可保证
// 这条链总是成功。
func NewChain(steps ...Provider) *Chain {
	return &Chain{steps: steps}
}

// STT 走链取一次转写。
func (c *Chain) STT(ctx context.Context, audio Audio) (string, error) {
	text, _, err := c.STTWithProvider(ctx, audio)
	return text, err
}

// STTWithProvider 即 STT，但额外报告产出该转写的提供方
// 级别名（cloud / local / edge-tts / silent），使调用方能
// 展示实际是哪一级服务了该请求。
func (c *Chain) STTWithProvider(ctx context.Context, audio Audio) (string, string, error) {
	if len(c.steps) == 0 {
		return "", "", ErrProviderFailed
	}
	var lastErr error
	for _, p := range c.steps {
		stt := p.STT()
		if stt == nil {
			continue
		}
		text, err := stt.STT(ctx, audio)
		if err == nil {
			return text, p.Name(), nil
		}
		lastErr = err
	}
	return "", "", fmt.Errorf("voice: %w: %v", ErrProviderFailed, lastErr)
}

// CloneVoice 经云端提供方的音色注册 endpoint 创建自定义音色
// （声音复刻 create_voice）。没有云端一级的链返回
// ErrNotConfigured。它不是降级步骤 —— 调用方只拿到一个结果。
func (c *Chain) CloneVoice(ctx context.Context, referenceURL, prefix string) (string, error) {
	if c.cloner == nil {
		return "", ErrNotConfigured
	}
	return c.cloner.CloneVoice(ctx, referenceURL, prefix)
}

// TTS 走链取合成音频。
func (c *Chain) TTS(ctx context.Context, text string) (Audio, error) {
	audio, _, err := c.TTSWithProvider(ctx, text)
	return audio, err
}

// TTSWithProvider 即 TTS，但额外报告产出该音频的提供方
// 级别名。
func (c *Chain) TTSWithProvider(ctx context.Context, text string) (Audio, string, error) {
	if len(c.steps) == 0 {
		return Audio{}, "", ErrProviderFailed
	}
	var lastErr error
	for _, p := range c.steps {
		tts := p.TTS()
		if tts == nil {
			continue
		}
		audio, err := tts.TTS(ctx, text)
		if err == nil {
			return audio, p.Name(), nil
		}
		lastErr = err
	}
	return Audio{}, "", fmt.Errorf("voice: %w: %v", ErrProviderFailed, lastErr)
}

// Option 定制由 New 构造的链。
type Option func(*chainConfig)

// chainConfig 承载 New 组装出的各级。
type chainConfig struct {
	steps []Provider
}

// WithProviders 覆盖由配置组装出的提供方各级。测试用它
// 注入确定性的 mock 提供方，而不是真实的适配点
// 各级。
func WithProviders(steps ...Provider) Option {
	return func(c *chainConfig) { c.steps = steps }
}

// New 用固定降级顺序从 cfg 组装一条链：
// cloud → local → edge-tts/espeak → silent。
//
//   - 仅当存在云端语音凭据或模型（voiceConfigured）时才纳入
//     cloud，使配置有误的构建安静降级。
//   - local 是纯适配点，仅当经 WithProviders 提供时才纳入；
//     默认跳过。
//   - 依 cfg.TTSProvider 纳入 edge-tts 或 espeak 一级。
//   - silent 始终追加在最后，使链绝不会直接失败。
//
// opts 可提供一份完整组装好的各级列表来覆盖上述映射。
func New(cfg config.VoiceConfig, opts ...Option) *Chain {
	conf := &chainConfig{}
	for _, o := range opts {
		o(conf)
	}
	if len(conf.steps) > 0 {
		return NewChain(conf.steps...)
	}

	steps := make([]Provider, 0, 5)
	var cloner VoiceCloner
	if voiceConfigured(cfg) {
		steps = append(steps, CloudProvider(newDashboardSTT(cfg), newDashboardTTS(cfg)))
		cloner = newDashboardCloner(cfg)
	}
	switch cfg.TTSProvider {
	case "edge-tts", "edge":
		steps = append(steps, EdgeTTSProvider(newEdgeTTS()))
	case "espeak":
		steps = append(steps, EspeakProvider(newEspeak()))
	}
	steps = append(steps, SilentProvider())
	chain := NewChain(steps...)
	chain.cloner = cloner
	return chain
}

// voiceConfigured 报告是否设置了任一云端语音凭据或模型，使
// 云端一级只在运行时有意使用 DashScope 时才加入。任一字段
// 存在（API key、base URL 或某个 STT/TTS 模型）都让云端
// 一级值得一试；随后缺失的 key 会让适配器返回 ErrNotConfigured，
// 链则安静降级。
func voiceConfigured(cfg config.VoiceConfig) bool {
	return cfg.DashscopeAPIKey != "" || cfg.DashscopeBaseURL != "" || cfg.STTModel != "" || cfg.TTSModel != ""
}