Cyrene_v2/internal/runtime/voice/tts/service_test.go

package tts

// 本文件锁定 `Service`（emotionTTS + 既有链的门面）的口径。**断言的落点是
// 「发往上游的请求体里的 voice」**，不是"调了合成" —— 前者才能证明"换了人格就换了
// 声音"，后者只能证明"发生过一次 HTTP"。
//
// 覆盖：
//  1. 发音人跟着 persona 走（两个 persona ⇒ 两次请求体里的 voice 不同）；
//  2. 🔴 同一进程先后用两个 persona，第二次绝不沿用第一次的 voice（回归锁，
//     直接对着主人担心的事）；
//  3. persona 无映射且没配 default ⇒ **不合成**，且**上游请求数为 0**；
//  4. 连生效人格都没有（传空串）且配了 default ⇒ 用 default；
//  5. 有映射但上游拒绝 ⇒ 沿用既有降级（回落既有链，口径不变）；
//  6. 未启用 ⇒ 完全透传既有链；STT/克隆永远走既有链。

import (
	"context"
	"encoding/json"
	"errors"
	"io"
	"log/slog"
	"net/http"
	"net/http/httptest"
	"strings"
	"sync"
	"testing"

	mvoice "git.yeij.top/AskaEth/Cyrene_v2/internal/runtime/multimodal/voice"
)

// discardLogger 让测试不往 stderr 刷日志（WARN 的存在由行为断言，不靠肉眼）。
func discardLogger() *slog.Logger {
	return slog.New(slog.NewTextHandler(io.Discard, nil))
}

// recorder 是一台假 emotionTTS：**记下每次请求体里的 voice**，并按它回一段音频
// （音频里嵌着 voice，便于端到端断言"帧里的声音是谁的"）。
type recorder struct {
	mu     sync.Mutex
	voices []string
	status int
	wav    bool
}

// handler 是 recorder 的 HTTP 处理器。
func (r *recorder) handler(t *testing.T) http.HandlerFunc {
	t.Helper()
	return func(w http.ResponseWriter, req *http.Request) {
		var payload speechPayload
		if err := json.NewDecoder(req.Body).Decode(&payload); err != nil {
			t.Errorf("请求体不是合法 JSON: %v", err)
		}
		r.mu.Lock()
		r.voices = append(r.voices, payload.Voice)
		status, wantWAV := r.status, r.wav
		r.mu.Unlock()
		if status != 0 && status != http.StatusOK {
			w.WriteHeader(status)
			_, _ = w.Write([]byte(`{"detail":"upstream says no"}`))
			return
		}
		if !wantWAV {
			w.Header().Set("Content-Type", "application/json")
			_, _ = w.Write([]byte(`{"status":"success"}`))
			return
		}
		_, _ = w.Write(wavBytes("voice=" + payload.Voice))
	}
}

// VoiceLog 返回**按顺序**记下的 voice 列表。
func (r *recorder) VoiceLog() []string {
	r.mu.Lock()
	defer r.mu.Unlock()
	out := make([]string, len(r.voices))
	copy(out, r.voices)
	return out
}

// Calls 返回上游被调用次数。
func (r *recorder) Calls() int {
	r.mu.Lock()
	defer r.mu.Unlock()
	return len(r.voices)
}

// newRecordingService 造一个指向 recorder 的 Service。
func newRecordingService(t *testing.T, cfg Config, base Chain) (*Service, *recorder) {
	t.Helper()
	rec := &recorder{wav: true}
	srv := httptest.NewServer(rec.handler(t))
	t.Cleanup(srv.Close)
	cfg.Enabled = true
	cfg.BaseURL = srv.URL
	client := New(cfg, WithLogger(discardLogger()))
	return NewService(client, base, WithServiceLogger(discardLogger())), rec
}

// personaCfg 是两份 persona ⇒ 两个**不同** character 的配置。
func personaCfg() Config {
	return Config{Personas: map[string]string{
		"cyrene": "char_84fb88a3",
		"furina": "char_5314489e",
	}}
}

// fakeChain 是一个可编程的底链替身，记录自己被调了几次。
type fakeChain struct {
	ttsCalls  int
	sttCalls  int
	cloneCall int
	audio     mvoice.Audio
	err       error
}

func (f *fakeChain) STT(context.Context, mvoice.Audio) (string, error) {
	f.sttCalls++
	return "转写文本", nil
}

func (f *fakeChain) STTWithProvider(context.Context, mvoice.Audio) (string, string, error) {
	f.sttCalls++
	return "转写文本", "local", nil
}

func (f *fakeChain) TTS(context.Context, string) (mvoice.Audio, error) {
	f.ttsCalls++
	return f.audio, f.err
}

func (f *fakeChain) TTSWithProvider(context.Context, string) (mvoice.Audio, string, error) {
	f.ttsCalls++
	return f.audio, "silent", f.err
}

func (f *fakeChain) CloneVoice(context.Context, string, string) (string, error) {
	f.cloneCall++
	return "voice-id", nil
}

// TestServiceVoiceFollowsPersona 分支①：两次请求、两个 persona ⇒ 请求体里的
// voice 分别是两个不同的 character。
func TestServiceVoiceFollowsPersona(t *testing.T) {
	base := &fakeChain{audio: mvoice.Audio{Format: "mp3", Data: []byte("fallback")}}
	svc, rec := newRecordingService(t, personaCfg(), base)

	for _, persona := range []string{"cyrene", "furina"} {
		ctx := WithPersonaID(context.Background(), persona)
		if _, rung, err := svc.TTSWithProvider(ctx, chineseSpeech); err != nil || rung != ProviderName {
			t.Fatalf("%s: rung=%q err=%v", persona, rung, err)
		}
	}
	want := []string{"char_84fb88a3", "char_5314489e"}
	got := rec.VoiceLog()
	if len(got) != 2 || got[0] != want[0] || got[1] != want[1] {
		t.Fatalf("请求体里的 voice = %v, want %v", got, want)
	}
	if base.ttsCalls != 0 {
		t.Errorf("主路健康却回落了底链 %d 次", base.ttsCalls)
	}
}

// TestServiceSequentialPersonasDoNotReuseVoice 是主人担心那件事的**回归锁**：
// 同一进程先服务 cyrene 再服务 furina，第二次请求体里的 voice 必须是 furina 的，
// **绝不**沿用第一次。
func TestServiceSequentialPersonasDoNotReuseVoice(t *testing.T) {
	svc, rec := newRecordingService(t, personaCfg(), &fakeChain{})
	ctx := context.Background()

	if _, _, err := svc.TTSWithProvider(WithPersonaID(ctx, "cyrene"), "第一句"); err != nil {
		t.Fatalf("first: %v", err)
	}
	if _, _, err := svc.TTSWithProvider(WithPersonaID(ctx, "furina"), "第二句"); err != nil {
		t.Fatalf("second: %v", err)
	}
	got := rec.VoiceLog()
	if len(got) != 2 {
		t.Fatalf("上游被调用 %d 次, want 2", len(got))
	}
	if got[1] != "char_5314489e" {
		t.Fatalf("第二次请求体里的 voice = %q —— 沿用了第一次的角色（病害复发）", got[1])
	}
}

// TestServiceUnmappedPersonaSkipsSynthesis 分支④（红线）：persona 无映射、且**没配**
// default ⇒ 不合成：上游请求数为 0，底链也**不许**顶替（那会用另一个声音）。
func TestServiceUnmappedPersonaSkipsSynthesis(t *testing.T) {
	base := &fakeChain{audio: mvoice.Audio{Format: "wav", Data: []byte("fallback")}}
	svc, rec := newRecordingService(t, personaCfg(), base)

	_, _, err := svc.TTSWithProvider(WithPersonaID(context.Background(), "stranger"), chineseSpeech)
	if !errors.Is(err, ErrPersonaUnmapped) {
		t.Fatalf("err = %v, want ErrPersonaUnmapped", err)
	}
	if rec.Calls() != 0 {
		t.Fatalf("上游请求数 = %d, want 0（这条 persona 没有发音人，不该发任何合成请求）", rec.Calls())
	}
	if base.ttsCalls != 0 {
		t.Fatalf("回落到了既有链 %d 次 —— 那会用另一个角色的声音说话", base.ttsCalls)
	}
}

// TestServiceUnresolvedPersonaUsesDefault 分支②：解析不到 personaId（ctx 没设）且
// 配了 default ⇒ 请求体里的 voice 是 default。与上一条互为对照。
func TestServiceUnresolvedPersonaUsesDefault(t *testing.T) {
	cfg := personaCfg()
	cfg.Default = "char_default_voice"
	svc, rec := newRecordingService(t, cfg, &fakeChain{})

	if _, _, err := svc.TTSWithProvider(context.Background(), chineseSpeech); err != nil {
		t.Fatalf("TTSWithProvider: %v", err)
	}
	got := rec.VoiceLog()
	if len(got) != 1 || got[0] != "char_default_voice" {
		t.Fatalf("请求体里的 voice = %v, want [char_default_voice]", got)
	}
}

// TestServiceUnresolvedPersonaWithoutDefaultSkips 分支②的另一半：没配 default ⇒
// 不合成（请求数 0），与"用 default"严格区分。
func TestServiceUnresolvedPersonaWithoutDefaultSkips(t *testing.T) {
	svc, rec := newRecordingService(t, personaCfg(), &fakeChain{})
	_, _, err := svc.TTSWithProvider(context.Background(), chineseSpeech)
	if !errors.Is(err, ErrNoCharacter) {
		t.Fatalf("err = %v, want ErrNoCharacter", err)
	}
	if rec.Calls() != 0 {
		t.Fatalf("上游请求数 = %d, want 0", rec.Calls())
	}
}

// TestServiceFallsBackWhenUpstreamRejects 分支③：有映射但上游拒绝（500）⇒ 沿用既有
// 降级（回落既有链 + WARN），且**先按正确角色试过**（请求体里的 voice 是映射到的那个）。
func TestServiceFallsBackWhenUpstreamRejects(t *testing.T) {
	base := &fakeChain{audio: mvoice.Audio{Format: "mp3", Data: []byte("fallback")}}
	svc, rec := newRecordingService(t, personaCfg(), base)
	rec.mu.Lock()
	rec.status = http.StatusInternalServerError
	rec.mu.Unlock()

	audio, rung, err := svc.TTSWithProvider(WithPersonaID(context.Background(), "furina"), chineseSpeech)
	if err != nil {
		t.Fatalf("主路失败不该让合成整体失败（文本优先）: %v", err)
	}
	if rung != "silent" || string(audio.Data) != "fallback" || base.ttsCalls != 1 {
		t.Fatalf("没有按既有口径回落: rung=%q audio=%q calls=%d", rung, audio.Data, base.ttsCalls)
	}
	if got := rec.VoiceLog(); len(got) != 1 || got[0] != "char_5314489e" {
		t.Fatalf("失败那次用的 voice = %v, want [char_5314489e]（应先按正确角色试）", got)
	}
}

// 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) {
	client := New(Config{Enabled: false, BaseURL: "http://127.0.0.1:1"}, WithLogger(discardLogger()))
	if client.Enabled() {
		t.Fatal("未启用的客户端不该报告 enabled")
	}
	base := &fakeChain{audio: mvoice.Audio{Format: "ogg", Data: []byte("chain")}}
	svc := NewService(client, base, WithServiceLogger(discardLogger()))
	if svc.PrimaryActive() {
		t.Fatal("PrimaryActive = true, want false")
	}
	audio, _, err := svc.TTSWithProvider(context.Background(), chineseSpeech)
	if err != nil {
		t.Fatalf("TTSWithProvider: %v", err)
	}
	if audio.Format != "ogg" || base.ttsCalls != 1 {
		t.Errorf("未启用时没有原样透传: audio=%+v calls=%d", audio, base.ttsCalls)
	}
}

// TestServiceWithoutBase 钉住"没有底链"时的诚实失败（不 panic、可分类）。
func TestServiceWithoutBase(t *testing.T) {
	svc := NewService(nil, nil, WithServiceLogger(discardLogger()))
	if _, _, err := svc.TTSWithProvider(context.Background(), "hi"); !errors.Is(err, mvoice.ErrProviderFailed) {
		t.Fatalf("err = %v, want ErrProviderFailed", err)
	}
	if _, err := svc.STT(context.Background(), mvoice.Audio{}); !errors.Is(err, mvoice.ErrProviderFailed) {
		t.Fatalf("STT err = %v, want ErrProviderFailed", err)
	}
	if _, err := svc.CloneVoice(context.Background(), "http://x", "p"); !errors.Is(err, mvoice.ErrProviderFailed) {
		t.Fatalf("CloneVoice err = %v, want ErrProviderFailed", err)
	}
}

// TestServiceDelegatesSTTAndClone 钉住"只抢合成，不抢转写/复刻"。
func TestServiceDelegatesSTTAndClone(t *testing.T) {
	client := New(Config{Enabled: true, BaseURL: "http://127.0.0.1:1"}, WithLogger(discardLogger()))
	base := &fakeChain{}
	svc := NewService(client, base, WithServiceLogger(discardLogger()))

	if text, rung, err := svc.STTWithProvider(context.Background(), mvoice.Audio{}); err != nil || text != "转写文本" || rung != "local" {
		t.Fatalf("STT 没有原样委托: text=%q rung=%q err=%v", text, rung, err)
	}
	if id, err := svc.CloneVoice(context.Background(), "http://x", "p"); err != nil || id != "voice-id" {
		t.Fatalf("CloneVoice 没有原样委托: id=%q err=%v", id, err)
	}
	if base.sttCalls != 1 || base.cloneCall != 1 {
		t.Errorf("委托次数不对: stt=%d clone=%d", base.sttCalls, base.cloneCall)
	}
}

// TestProviderAdapterSelectsByPersona 钉住"作为链的一级"这条路：选角同样按 ctx 的
// personaId 现算（没有"这一级的固定发音人"）。
func TestProviderAdapterSelectsByPersona(t *testing.T) {
	rec := &recorder{wav: true}
	srv := httptest.NewServer(rec.handler(t))
	t.Cleanup(srv.Close)
	cfg := personaCfg()
	cfg.Enabled = true
	cfg.BaseURL = srv.URL
	p := NewProvider(New(cfg, WithLogger(discardLogger())))

	if p.Name() != ProviderName {
		t.Errorf("Name = %q, want %q", p.Name(), ProviderName)
	}
	if p.STT() != nil {
		t.Error("emotionTTS 不提供转写，STT 应为 nil")
	}
	if _, err := p.TTS().TTS(WithPersonaID(context.Background(), "furina"), "你好"); err != nil {
		t.Fatalf("TTS: %v", err)
	}
	if got := rec.VoiceLog(); len(got) != 1 || got[0] != "char_5314489e" {
		t.Fatalf("请求体里的 voice = %v, want [char_5314489e]", got)
	}
	// 未映射的 persona ⇒ 明确失败，绝不用默认角色凑一个。
	if _, err := p.TTS().TTS(WithPersonaID(context.Background(), "stranger"), "你好"); !errors.Is(err, ErrPersonaUnmapped) {
		t.Fatalf("err = %v, want ErrPersonaUnmapped", err)
	}
	if _, err := NewProvider(nil).TTS().TTS(context.Background(), "hi"); !errors.Is(err, mvoice.ErrNotConfigured) {
		t.Errorf("未接线 err = %v, want ErrNotConfigured", err)
	}
}