AskaEth
3a2711a7e0
侦察结论（真机 + 上游源码）：
- POST /api/analyze_emotion ⇒ {primary,complex,intensity}；primary 闭集
实测 平/喜/惊/哀/怒/厌/惧/急，intensity ∈ Low/Medium/High。
- POST /api/synthesize 收 emo_vector(float[])+emo_alpha，但还要 ref_audio_filename
且只回 {"audio_url"}（服务端落盘），不适合做运行时直出。
- POST /v1/audio/speech 内部先 LLM 分析情绪 + 匹配参考音，再把情绪向量以
[EMO:{vector}|{alpha}]base64:... 注入 voice 交给 indexTTS2 ⇒ **情绪确实影响
语气，但由服务端从待念文本自推**，我方没有可映射的参数。
- 上游把下游载荷的 speed 硬编码 1.0（core/utils/llm_provider.py），客户端
speed 是空转 ⇒ 本切片不暴露 speed，也不暴露 emotion/tone（不造假开关）。
实现：
- internal/runtime/voice/tts：Client（唯一 HTTP 出口，json.Encoder 产出 UTF-8
请求体、超时/非 200/非音频/超限各自可分类）+ 字节嗅探庭裁 + Service（emotionTTS
在前、失败回落既有链，永不上抛成回复失败）+ Provider 适配（可作链的一级）。
- internal/config/runtimeconfig/voicetts.go：$DATA_DIR/config/voice-tts.json
（enabled/baseUrl/character/format/timeoutSec），零新 .env 键。
- cmd/cyrene/wire_voice_tts.go + wireFrontend 的唯一注入点：两条既有出站口
（POST /api/v1/audio/speech 与 WS voice_output）同时用上；不新建端点/帧族。
- 严守 voice 入站闭集（不扩 Source/Status），出站音频不挂 voice DTO（塔裁决 B）。
测试：中文 UTF-8 请求体、非 200、超时、非音频、超限、未启用、空文本、嗅探表、
降级回落、未启用透传、两条出站口的字节级实测、面板配置解析、组合根映射；
三条变异（去中文 / 嗅探恒真 / 去掉回落）各自打红。真机 live 用例（build tag
emotiontts_live）实测 278,036 字节 WAV。
41 lines
1.3 KiB
Go
41 lines
1.3 KiB
Go
//go:build emotiontts_live
|
||
|
||
package tts
|
||
|
||
import (
|
||
"context"
|
||
"os"
|
||
"testing"
|
||
"time"
|
||
)
|
||
|
||
// 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/
|
||
func TestLiveSpeech(t *testing.T) {
|
||
baseURL := os.Getenv("EMOTIONTTS_BASE_URL")
|
||
client := New(Config{Enabled: true, BaseURL: baseURL, Timeout: 120 * time.Second})
|
||
|
||
start := time.Now()
|
||
audio, err := client.Speech(context.Background(), chineseSpeech)
|
||
if err != nil {
|
||
t.Fatalf("对真服务合成失败: %v", 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]))
|
||
}
|
||
// 证据：真实字节数与耗时（塔要求的"实际字节"）。
|
||
t.Logf("evidence: base=%s character=%s bytes=%d format=%s elapsed=%s",
|
||
client.Config().BaseURL, client.Character(), len(audio.Data), audio.Format, elapsed)
|
||
}
|