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

package tts

// 本文件把 emotionTTS 摆到**既有语音链之前**，并在它失败时回落既有链。
//
// 为什么是"包一层"而不是"在链里插一级"：既有链由 `internal/runtime/multimodal/voice`
// 的 `New` 按 env 配置组装（cloud → local → edge-tts/espeak → silent），它的各级
// 列表不外露；而 `.env` 已被主人冻结，**不能**为这条新能力加 env 键。因此本切片
// 不改那条链的任何一行，只提供 `*Service` 这一层包装：合成优先走 emotionTTS，
// 未启用/失败则原样委托既有链。
//
// 两条既有出站口（`POST /api/v1/audio/speech` 与 WS `voice_output`）都通过
// 网关的 `SetVoice` 拿到同一个 `VoiceService`，因此**只要换这一个注入点**，两条口
// 就都用上了它 —— 不新建端点、不加帧族（切片红线）。
//
// 🔴 **文本优先**：本层**永不**把 TTS 的失败上抛成"这条回复失败"。失败只做两件事：
// 记一条带来源的 WARN + 计数（`Client.Stats`），然后回落既有链；既有链再失败才算
// 整体失败，而那时聊天正文早已发出/落库（TTS 是呈现层的增强，不是回复的前置条件）。
//
// 🔴 **发音人按当次请求的 persona 现算**（主人 2026-10-26 的硬要求）：每次
// `TTSWithProvider` 都从 ctx 取 personaId、经 `Config.Resolve` 得出 character，
// **没有任何跨请求缓存**。因此"换人格后用老角色的声音"不可能发生。

import (
	"context"
	"log/slog"

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

// ProviderName 是本级在降级信号里的名字（既有链用 cloud/local/edge-tts/silent
// 这类小写短名，此处沿用同一形态）。
const ProviderName = "emotiontts"

// logSource 是本包日志的来源标签（AGENTS §10：日志必须标来源）。
const logSource = "runtime/voice/tts"

// Chain 是**既有语音链的最小面**：本包只用到这五个方法，`*mvoice.Chain` 全部满足。
// 用窄接口而不是直接依赖 `*mvoice.Chain`，是为了让测试能给一个假底链。
type Chain interface {
	// STT 转写音频（emotionTTS 不做转写，原样委托）。
	STT(ctx context.Context, audio mvoice.Audio) (string, error)
	// TTS 合成音频（本层未启用/失败时走这里）。
	TTS(ctx context.Context, text string) (mvoice.Audio, error)
	// CloneVoice 声音复刻（原样委托）。
	CloneVoice(ctx context.Context, referenceURL, prefix string) (string, error)
	// STTWithProvider 同 STT，但报告实际服务的那一级。
	STTWithProvider(ctx context.Context, audio mvoice.Audio) (string, string, error)
	// TTSWithProvider 同 TTS，但报告实际服务的那一级。
	TTSWithProvider(ctx context.Context, text string) (mvoice.Audio, string, error)
}

// Service 是 emotionTTS + 既有链的合成门面。它既满足网关的 `VoiceService`
// （STT/TTS/CloneVoice），也满足其可选扩展 `voiceProviderReporter`
// （STTWithProvider/TTSWithProvider），因此面板能看到"这次是哪一级出的声"。
type Service struct {
	primary *Client
	base    Chain
	log     *slog.Logger
}

// ServiceOption 定制 Service 的日志器。
type ServiceOption func(*Service)

// WithServiceLogger 注入带来源的日志器；未注入时退回默认日志器。
func WithServiceLogger(l *slog.Logger) ServiceOption {
	return func(s *Service) { s.log = l }
}

// NewService 用 emotionTTS 客户端包住既有链。primary 为 nil 或未启用时，本层
// **完全透传**既有链（行为与切片引入之前逐字相同）；base 为 nil 时无从回落，
// 合成会回一个明确的错误（不 panic）。
func NewService(primary *Client, base Chain, opts ...ServiceOption) *Service {
	s := &Service{primary: primary, base: base, log: slog.Default()}
	for _, o := range opts {
		o(s)
	}
	if s.log == nil {
		s.log = slog.Default()
	}
	return s
}

// PrimaryActive 报告 emotionTTS 这一级是否真的在生效（面板据此如实显示"已接"）。
func (s *Service) PrimaryActive() bool { return s != nil && s.primary != nil && s.primary.Enabled() }

// Stats 返回 emotionTTS 这一级的计数（尝试/失败）；未接线时为 0 值。
func (s *Service) Stats() Stats {
	if s == nil || s.primary == nil {
		return Stats{}
	}
	return s.primary.Stats()
}

// STT 原样委托既有链 —— emotionTTS 只做合成，不抢转写的活。
func (s *Service) STT(ctx context.Context, audio mvoice.Audio) (string, error) {
	if s.base == nil {
		return "", mvoice.ErrProviderFailed
	}
	return s.base.STT(ctx, audio)
}

// STTWithProvider 原样委托既有链（同时透传它报告的那一级）。
func (s *Service) STTWithProvider(ctx context.Context, audio mvoice.Audio) (string, string, error) {
	if s.base == nil {
		return "", "", mvoice.ErrProviderFailed
	}
	return s.base.STTWithProvider(ctx, audio)
}

// CloneVoice 原样委托既有链（声音复刻是云端那级的活）。
func (s *Service) CloneVoice(ctx context.Context, referenceURL, prefix string) (string, error) {
	if s.base == nil {
		return "", mvoice.ErrProviderFailed
	}
	return s.base.CloneVoice(ctx, referenceURL, prefix)
}

// TTS 合成音频（不报告级别名；网关的口径同既有链）。
func (s *Service) TTS(ctx context.Context, text string) (mvoice.Audio, error) {
	audio, _, err := s.TTSWithProvider(ctx, text)
	return audio, err
}

// TTSWithProvider 按**本次请求的角色**选发音人并合成；失败/未启用则回落既有链，
// 并如实报告实际服务的那一级（`emotiontts` 或既有链的 cloud/local/...）。
//
// 分支（与 `Config.Resolve` 一一对应，验收清单见 selection.go）：
//   - 选到发音人 ⇒ 用它合成；上游失败 ⇒ 回落既有链 + WARN（口径不变）；
//   - **选不到发音人**（persona 无映射 / 解析不到且没配 default）⇒ **不合成、
//     也不回落既有链**，直接回一个可分类错误 + 一条 WARN。回落会让她用**另一个
//     声音**说话，正是主人点名的病害；文本早已发出，因此这里"没有声音"是安全结局。
func (s *Service) TTSWithProvider(ctx context.Context, text string) (mvoice.Audio, string, error) {
	if !s.PrimaryActive() {
		return s.fallback(ctx, text)
	}
	selection, err := s.primary.Config().Resolve(PersonaIDFromContext(ctx))
	if err != nil {
		// 🔴 绝不借用别的角色的声音：不合成、不回落，如实说清原因。
		s.log.Warn("voice tts skipped: no character for this persona",
			"provider", ProviderName, "persona", PersonaIDFromContext(ctx), "text_len", len(text), "err", err)
		return mvoice.Audio{}, "", err
	}
	audio, err := s.primary.Speech(ctx, selection.Character, text)
	if err == nil {
		return mvoice.Audio{Format: audio.Format, Data: audio.Data}, ProviderName, nil
	}
	s.degrade(ctx, selection, text, err)
	return s.fallback(ctx, text)
}

// fallback 走既有链；没有底链时回一个明确的错误（不 panic）。
func (s *Service) fallback(ctx context.Context, text string) (mvoice.Audio, string, error) {
	if s.base == nil {
		return mvoice.Audio{}, "", mvoice.ErrProviderFailed
	}
	return s.base.TTSWithProvider(ctx, text)
}

// degrade 记录一次 emotionTTS 降级：未启用是 DEBUG（正常状态），其余是 WARN
// （异常状态，但已被回落吸收）。日志只带文本长度，**绝不带正文**。
func (s *Service) degrade(ctx context.Context, sel Selection, text string, err error) {
	if ctx.Err() != nil {
		// 回合被取消/超时的情形已由 Client 记过（unreachable），这里只补一句
		// 「因此这次没声音」，避免同一条失败刷两条 WARN。
		s.log.Debug("voice tts skipped after cancel", "provider", ProviderName, "text_len", len(text))
		return
	}
	s.log.Warn("voice tts degraded to fallback chain",
		"provider", ProviderName, "persona", sel.PersonaID,
		"character", sel.Character, "source", string(sel.Source),
		"text_len", len(text), "err", err)
}