AskaEth
efc25c6a7f
主人 2026-10-26 逐字：「TTS 的人物选择是要绑定后端的角色的，不然会出现以后换了
别的角色(人格配置)，还是用老角色的 TTS 角色」——上一版把 character 写在面板文件
里当全局值，换人格后声音不变，是真缺陷。
配置形状（单一真源 = $DATA_DIR/config/voice-tts.json）：
{"enabled":true,
"personas":{"<personaId>":"<characterId>"},
"default":"<characterId>", // 只服务「解析不到 personaId」
"format":"wav","timeoutSec":60}
- 旧的全局 `character` 键**废弃并被忽略**（启动 WARN 提示改用 personas）；
Config.Normalized 不给任何角色兜底（代码里写死默认角色=病害本身）；
- configs/personas/*.yaml 不参与（塔裁定：避免启动期静态配置与面板两处漂移）；
- 零新 .env 键。
选角四条分支（Config.Resolve，纯函数、无缓存）：
① persona 有映射 ⇒ 用它；
② personaId 为空/解析不到 + 配了 default ⇒ 用 default；
③ personaId 为空 + 没配 default ⇒ 不合成（ErrNoCharacter，上游 0 请求）；
④ persona 无映射（含映射值为空）⇒ 拒绝（ErrPersonaUnmapped），
**绝不**拿 default 或别的角色顶 —— 主人担心的病害本身。
两条既有出站口各自按当次请求解析 persona（不在 SetVoice 时算一次缓存成全局）：
- WS voice_output：用本回合的 env.PersonaID（runVoiceTurn/runVoiceTurnDirect），
经 voiceReplySink 传给 synthesizeVoiceReply，再 WithPersonaID 交给语音面；
- POST /api/v1/audio/speech：请求体新增**可选** sessionId（纯增量），
经 turnEnvResolver.sessionPersona 解析；省略 ⇒ 走 default 分支。
Client.Speech 改为**每次传入 character**（内部不缓存发音人）；Provider 适配同样按
ctx 的 personaId 现算。选不到发音人时**不回落既有链**（回落=用另一个声音说话），
上游拒绝(404/500)仍按既有口径回落既有链+WARN。
测试：四条分支各自可变异打红，断言打在「上游请求体里的 voice」与帧/响应字节上；
含「同一进程先后两个 persona，第二次绝不沿用第一次 voice」的回归锁，
以及两条出站口的端到端 persona 切换。四条变异（未映射回落 default / 客户端缓存
voice / REST 不看会话 / 选不到时回落底链）均已实测打红后还原。
go build ./... / go vet ./... / go test -race 全绿；真机 live 证据：
cyrene(char_84fb88a3)=254630 B、furina(char_5314489e)=213392 B。
83 lines
3.2 KiB
Go
83 lines
3.2 KiB
Go
//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
|
||
}
|