AskaEth
b0fbb8bc0d
- 只翻注释/文档字符串，代码零变化：go/scanner 词法流比对 21 文件 token+字面量全等，增删行数 1:1（467/467） - 刻意保留非散文英文：JSON Schema description、工具 Description() 返回值、adapter prompt、API 路径与命令示例、环境变量名 - 逐行确认代码前缀未变，未触碰其他模块
97 lines
3.2 KiB
Go
97 lines
3.2 KiB
Go
//go:build dashscope_live
|
|
|
|
package voice
|
|
|
|
import (
|
|
"bytes"
|
|
"context"
|
|
"encoding/binary"
|
|
"os"
|
|
"testing"
|
|
|
|
"git.yeij.top/AskaEth/Cyrene_v2/internal/config"
|
|
)
|
|
|
|
// TestDashscopeLive 端到端验证真实的阿里百炼 STT + TTS。它
|
|
// 被排除在默认测试集之外（构建标签 dashscope_live），使 `go test ./...`
|
|
// 绝不触碰付费 API。用从 .env 取到的 key 显式运行：
|
|
//
|
|
// set -a; source .env; set +a
|
|
// go test -tags dashscope_live -run TestDashscopeLive -v ./internal/runtime/multimodal/voice/
|
|
func TestDashscopeLive(t *testing.T) {
|
|
key := os.Getenv("DASHSCOPE_API_KEY")
|
|
if key == "" {
|
|
t.Skip("DASHSCOPE_API_KEY not set")
|
|
}
|
|
cfg := config.VoiceConfig{DashscopeAPIKey: key}
|
|
|
|
// TTS：为一句短文本合成语音。
|
|
tts := NewDashscopeTTS(cfg)
|
|
audio, err := tts.TTS(context.Background(), "你好，我是昔涟")
|
|
if err != nil {
|
|
t.Fatalf("TTS error: %v", err)
|
|
}
|
|
t.Logf("TTS: format=%q bytes=%d", audio.Format, len(audio.Data))
|
|
if len(audio.Data) == 0 {
|
|
t.Fatal("TTS returned empty audio")
|
|
}
|
|
|
|
// STT 闭环：把合成的语音转写回文字。
|
|
stt := NewDashscopeSTT(cfg)
|
|
text, err := stt.STT(context.Background(), Audio{Format: "wav", Data: audio.Data})
|
|
if err != nil {
|
|
t.Fatalf("STT error: %v", err)
|
|
}
|
|
t.Logf("STT (of TTS audio): text=%q", text)
|
|
|
|
// 对生成的静音 wav 做 STT，确认空音频路径可被接受。
|
|
silence := silentWAVBytes(1, 16000)
|
|
sttText, sttErr := stt.STT(context.Background(), Audio{Format: "wav", Data: silence})
|
|
if sttErr != nil {
|
|
t.Logf("STT (silence): error=%v", sttErr)
|
|
} else {
|
|
t.Logf("STT (silence): text=%q", sttText)
|
|
}
|
|
|
|
// 走一遍降级链（网关接线的就是同一个对象），证明它
|
|
// 返回真实的字节/文字，而不是降级到静默末端一级。
|
|
ch := New(cfg)
|
|
chTTS, chTTSErr := ch.TTS(context.Background(), "你好，我是昔涟")
|
|
if chTTSErr != nil {
|
|
t.Fatalf("chain TTS error: %v", chTTSErr)
|
|
}
|
|
t.Logf("chain TTS: format=%q bytes=%d", chTTS.Format, len(chTTS.Data))
|
|
if len(chTTS.Data) == 0 {
|
|
t.Fatal("chain TTS degraded to empty (silent) audio")
|
|
}
|
|
chText, chSTTErr := ch.STT(context.Background(), Audio{Format: "wav", Data: chTTS.Data})
|
|
if chSTTErr != nil {
|
|
t.Fatalf("chain STT error: %v", chSTTErr)
|
|
}
|
|
t.Logf("chain STT: text=%q", chText)
|
|
if chText == "" {
|
|
t.Fatal("chain STT degraded to empty (silent) text")
|
|
}
|
|
}
|
|
|
|
// silentWAVBytes 构造 durS 秒的单声道 16 位 16 kHz 静音 WAV。
|
|
func silentWAVBytes(durS, sampleRate int) []byte {
|
|
dataLen := durS * sampleRate * 2
|
|
buf := &bytes.Buffer{}
|
|
// RIFF 头 + fmt 块 + data 块。
|
|
buf.WriteString("RIFF")
|
|
_ = binary.Write(buf, binary.LittleEndian, uint32(36+dataLen))
|
|
buf.WriteString("WAVEfmt ")
|
|
_ = binary.Write(buf, binary.LittleEndian, uint32(16))
|
|
_ = binary.Write(buf, binary.LittleEndian, uint16(1)) // PCM
|
|
_ = binary.Write(buf, binary.LittleEndian, uint16(1)) // 单声道
|
|
_ = binary.Write(buf, binary.LittleEndian, uint32(sampleRate))
|
|
_ = binary.Write(buf, binary.LittleEndian, uint32(sampleRate*2))
|
|
_ = binary.Write(buf, binary.LittleEndian, uint16(2)) // 块对齐
|
|
_ = binary.Write(buf, binary.LittleEndian, uint16(16)) // 每样本位数
|
|
buf.WriteString("data")
|
|
_ = binary.Write(buf, binary.LittleEndian, uint32(dataLen))
|
|
buf.Write(make([]byte, dataLen))
|
|
return buf.Bytes()
|
|
}
|