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

package tts

// 本文件锁定 `Client` 的五条对外口径（每条都能被"改坏即打红"）：
//
//  1. 🔴 **中文正文必须以 UTF-8 送出**（塔实测：GBK 字节会让服务端回
//     `400 {"detail":"There was an error parsing the body"}`）。用例既断言服务端能按
//     UTF-8 解出**逐字相等**的正文，也断言请求字节里能直接搜到那段中文 —— 后者是
//     把"改成字符串拼接/转码"这类改动的代价变成红灯的钉子。
//  2. 非 200 ⇒ `ErrUpstream`（且**错误里不带正文**）。
//  3. 超时 ⇒ `ErrUnreachable` 且保留 `context.DeadlineExceeded`（可 errors.Is）。
//  4. 200 但不是音频 ⇒ `ErrNotAudio`（绝不把 JSON/HTML 错误页当音频下发）。
//  5. 未启用 / 空文本 / 超限各自有可分类的哨兵。

import (
	"bytes"
	"context"
	"encoding/json"
	"errors"
	"io"
	"net/http"
	"net/http/httptest"
	"strings"
	"sync/atomic"
	"testing"
	"time"
)

// chineseSpeech 是塔实测那台服务能合成的那句话（保留全角标点，逐字比对）。
const chineseSpeech = "你好，我是苏梦。今天心情特别好，我们一起出去玩吧！"

// wavBytes 造一段**魔数正确**的假 WAV（嗅探只看头，内容是什么不影响判据）。
func wavBytes(payload string) []byte {
	b := make([]byte, 0, 44+len(payload))
	b = append(b, []byte("RIFF")...)
	b = append(b, 0, 0, 0, 0)
	b = append(b, []byte("WAVEfmt ")...)
	b = append(b, bytes.Repeat([]byte{0}, 16)...)
	b = append(b, []byte("data")...)
	b = append(b, 0, 0, 0, 0)
	return append(b, []byte(payload)...)
}

// newTestClient 指向一个 httptest 服务；可变选项留给各用例。
func newTestClient(t *testing.T, handler http.HandlerFunc, opts ...Option) *Client {
	t.Helper()
	srv := httptest.NewServer(handler)
	t.Cleanup(srv.Close)
	base := []Option{WithLogger(discardLogger())}
	base = append(base, opts...)
	return New(Config{Enabled: true, BaseURL: srv.URL, Timeout: 2 * time.Second}, base...)
}

// TestSpeechSendsUTF8ChineseText 是**本切片最重要的一条**：中文正文必须按 UTF-8
// 字节、以 `application/json` 送出，且字段名/取值与上游 openapi 逐字一致。
func TestSpeechSendsUTF8ChineseText(t *testing.T) {
	var gotPayload speechPayload
	var gotRaw []byte
	var gotCT string
	client := newTestClient(t, func(w http.ResponseWriter, r *http.Request) {
		gotCT = r.Header.Get("Content-Type")
		gotRaw, _ = io.ReadAll(r.Body)
		if err := json.Unmarshal(gotRaw, &gotPayload); err != nil {
			t.Errorf("请求体不是合法 JSON（说明有人改成了拼接/转码）: %v", err)
		}
		w.Header().Set("Content-Type", "audio/wav")
		_, _ = w.Write(wavBytes("ok"))
	})

	audio, err := client.Speech(context.Background(), DefaultCharacter, chineseSpeech)
	if err != nil {
		t.Fatalf("Speech: %v", err)
	}
	if gotCT != "application/json" {
		t.Errorf("Content-Type = %q, want application/json", gotCT)
	}
	// ① 服务端按 UTF-8 解出来必须**逐字相等**（GBK 字节在这里必然对不上）。
	if gotPayload.Input != chineseSpeech {
		t.Fatalf("input = %q, want %q", gotPayload.Input, chineseSpeech)
	}
	// ② 请求字节里必须能直接搜到那段中文的 UTF-8 编码 —— 一旦有人改成 GBK 转码，
	//    这里立刻红（UTF-8 的"你好"= E4BD A0 E5A5 BD）。
	if !bytes.Contains(gotRaw, []byte(chineseSpeech)) {
		t.Fatalf("请求体里找不到 UTF-8 正文（字节被转码了？）: %q", string(gotRaw))
	}
	if !bytes.Contains(gotRaw, []byte("\xe4\xbd\xa0\xe5\xa5\xbd")) {
		t.Fatalf("请求体里找不到「你好」的 UTF-8 字节")
	}
	if gotPayload.Model != modelName {
		t.Errorf("model = %q, want %q", gotPayload.Model, modelName)
	}
	if gotPayload.Voice != DefaultCharacter {
		t.Errorf("voice = %q, want %q", gotPayload.Voice, DefaultCharacter)
	}
	if gotPayload.ResponseFormat != DefaultFormat {
		t.Errorf("response_format = %q, want %q", gotPayload.ResponseFormat, DefaultFormat)
	}
	// ③ 回发的格式由**字节嗅探**裁决，不是请求里那个字段。
	if audio.Format != "wav" || len(audio.Data) == 0 {
		t.Fatalf("audio = %+v, want wav with bytes", audio)
	}
}

// TestSpeechHTMLEscapingDisabled 钉住"正文逐字不变"：`<`/`>`/`&` 不得被改写成 \u003c。
func TestSpeechHTMLEscapingDisabled(t *testing.T) {
	var gotRaw []byte
	client := newTestClient(t, func(w http.ResponseWriter, r *http.Request) {
		gotRaw, _ = io.ReadAll(r.Body)
		_, _ = w.Write(wavBytes("ok"))
	})
	if _, err := client.Speech(context.Background(), DefaultCharacter, "a<b & c>d"); err != nil {
		t.Fatalf("Speech: %v", err)
	}
	if bytes.Contains(gotRaw, []byte(`\u003c`)) || bytes.Contains(gotRaw, []byte(`\u0026`)) {
		t.Fatalf("正文被 HTML 转义了: %q", string(gotRaw))
	}
}

// TestSpeechRejectsNon200 钉住上游拒绝：可分类、带状态码、**不带正文**。
func TestSpeechRejectsNon200(t *testing.T) {
	client := newTestClient(t, func(w http.ResponseWriter, r *http.Request) {
		w.WriteHeader(http.StatusBadRequest)
		_, _ = w.Write([]byte(`{"detail":"There was an error parsing the body"}`))
	})
	_, err := client.Speech(context.Background(), DefaultCharacter, chineseSpeech)
	if !errors.Is(err, ErrUpstream) {
		t.Fatalf("err = %v, want ErrUpstream", err)
	}
	if !strings.Contains(err.Error(), "400") {
		t.Errorf("错误里应带状态码: %v", err)
	}
	if strings.Contains(err.Error(), "苏梦") {
		t.Errorf("错误链里出现了正文（红线：日志/错误不带正文）: %v", err)
	}
	if got := client.Stats(); got.Attempts != 1 || got.Failures != 1 {
		t.Errorf("stats = %+v, want 1 attempt / 1 failure", got)
	}
}

// TestSpeechTimeout 钉住超时：归 ErrUnreachable，且因果链仍能判出 deadline。
func TestSpeechTimeout(t *testing.T) {
	release := make(chan struct{})
	t.Cleanup(func() { close(release) })
	handler := func(w http.ResponseWriter, r *http.Request) {
		select {
		case <-release:
		case <-time.After(2 * time.Second):
		}
		_, _ = w.Write(wavBytes("late"))
	}
	client := newTestClient(t, handler, WithHTTPClient(&http.Client{Timeout: 60 * time.Millisecond}))
	start := time.Now()
	_, err := client.Speech(context.Background(), DefaultCharacter, chineseSpeech)
	if !errors.Is(err, ErrUnreachable) {
		t.Fatalf("err = %v, want ErrUnreachable", err)
	}
	if !errors.Is(err, context.DeadlineExceeded) {
		t.Errorf("err = %v, want wraps context.DeadlineExceeded", err)
	}
	if elapsed := time.Since(start); elapsed > time.Second {
		t.Errorf("超时没有生效（用了 %v）", elapsed)
	}
}

// TestSpeechRejectsNonAudio 钉住"200 但不是音频"：JSON 错误页绝不当音频。
func TestSpeechRejectsNonAudio(t *testing.T) {
	client := newTestClient(t, func(w http.ResponseWriter, r *http.Request) {
		w.Header().Set("Content-Type", "application/json")
		_, _ = w.Write([]byte(`{"status":"success","audio_url":"/outputs/x.wav"}`))
	})
	_, err := client.Speech(context.Background(), DefaultCharacter, chineseSpeech)
	if !errors.Is(err, ErrNotAudio) {
		t.Fatalf("err = %v, want ErrNotAudio", err)
	}
	if got := client.Stats(); got.Failures != 1 {
		t.Errorf("stats = %+v, want 1 failure", got)
	}
}

// TestSpeechRejectsOversizeResponse 钉住体积上限。
func TestSpeechRejectsOversizeResponse(t *testing.T) {
	client := newTestClient(t, func(w http.ResponseWriter, r *http.Request) {
		_, _ = w.Write(wavBytes(strings.Repeat("x", 128)))
	}, WithMaxResponseBytes(32))
	_, err := client.Speech(context.Background(), DefaultCharacter, chineseSpeech)
	if !errors.Is(err, ErrTooLarge) {
		t.Fatalf("err = %v, want ErrTooLarge", err)
	}
}

// TestSpeechGuards 钉住"不该发网络"的两条前置拒绝，以及"未启用"的可区分性。
func TestSpeechGuards(t *testing.T) {
	var hits atomic.Int64
	client := newTestClient(t, func(w http.ResponseWriter, r *http.Request) {
		hits.Add(1)
		_, _ = w.Write(wavBytes("ok"))
	})

	if _, err := client.Speech(context.Background(), DefaultCharacter, "   "); !errors.Is(err, ErrEmptyText) {
		t.Errorf("空文本 err = %v, want ErrEmptyText", err)
	}
	disabled := New(Config{Enabled: false, BaseURL: client.cfg.BaseURL}, WithLogger(discardLogger()))
	if _, err := disabled.Speech(context.Background(), DefaultCharacter, chineseSpeech); !errors.Is(err, ErrDisabled) {
		t.Errorf("未启用 err = %v, want ErrDisabled", err)
	}
	// 被拒的两次都不该打网络；未启用也不该被计成"失败"。
	if got := hits.Load(); got != 0 {
		t.Errorf("上游被调用 %d 次，want 0", got)
	}
	if got := disabled.Stats(); got.Attempts != 0 || got.Failures != 0 {
		t.Errorf("未启用却计了数: %+v", got)
	}
}

// TestConfigNormalized 钉住默认值与非法格式的回落（不让一个写错的格式关掉语音面）。
//
// 🔴 它同时钉住一条**反向**口径：归一化**不得**给任何角色兜底 —— 代码里写死一个
// 默认发音人，正是主人点名的病害（换人格仍用老声音）。
func TestConfigNormalized(t *testing.T) {
	got := Config{}.Normalized(discardLogger())
	if got.Enabled {
		t.Errorf("零值配置不该被悄悄启用")
	}
	if got.BaseURL != DefaultBaseURL || got.Format != DefaultFormat || got.Timeout != DefaultTimeout {
		t.Fatalf("默认值不对: %+v", got)
	}
	if got.Default != "" || len(got.Personas) != 0 {
		t.Fatalf("归一化给发音人兜底了（红线：不许有代码默认角色）: %+v", got)
	}
	if custom := (Config{BaseURL: " http://127.0.0.1:9880/ ", Format: "MP3"}).Normalized(discardLogger()); custom.BaseURL != DefaultBaseURL || custom.Format != "mp3" {
		t.Errorf("归一化不对: %+v", custom)
	}
	if bad := (Config{Format: "exe"}).Normalized(discardLogger()); bad.Format != DefaultFormat {
		t.Errorf("非法格式应回落默认: %+v", bad)
	}
	// persona/character 两端的空白被清掉；空 personaId 的键被丢弃。
	trimmed := (Config{Personas: map[string]string{" a ": " char_1 ", "": "char_2"}, Default: " char_3 "}).Normalized(discardLogger())
	if trimmed.Personas["a"] != "char_1" || len(trimmed.Personas) != 1 || trimmed.Default != "char_3" {
		t.Fatalf("映射/默认值没有被归一化: %+v", trimmed)
	}
}