talk/internal/provider/elevenlabs_test.go

package provider

import (
	"context"
	"encoding/json"
	"io"
	"net/http"
	"net/http/httptest"
	"strings"
	"sync"
	"testing"
)

// fakeTTServation zeichnet einen Request am Fake-Server auf.
type recordedRequest struct {
	method string
	path   string
	header http.Header
	body   []byte
}

// fakeTTSServer ist der httptest-Fake eines Cloud-Providers: antwortet mit
// status + body und zeichnet den (einzigen) gesehenen Request auf.
func fakeTTSServer(t *testing.T, status int, body []byte) (*httptest.Server, *recordedRequest) {
	t.Helper()
	rec := &recordedRequest{}
	var mu sync.Mutex
	ts := httptest.NewServer(http.HandlerFunc(func(w http.ResponseWriter, r *http.Request) {
		body2, err := io.ReadAll(r.Body)
		if err != nil {
			t.Errorf("Fake-Server: Body lesen: %v", err)
		}
		mu.Lock()
		rec.method, rec.path, rec.header, rec.body = r.Method, r.URL.Path, r.Header.Clone(), body2
		mu.Unlock()
		w.WriteHeader(status)
		w.Write(body)
	}))
	t.Cleanup(ts.Close)
	return ts, rec
}

func envMap(kv map[string]string) func(string) string {
	return func(k string) string { return kv[k] }
}

// fakeMP3 ist eine beliebige Byte-Folge — die Provider geben Antwort-Bytes
// unverändert zurück, der audio-Sink dekodiert (eigene Tests).
var fakeMP3 = []byte("\xff\xfb\x90\x00" + "audio-bytes-von-elf")

// TestElevenLabsSynthese200: 200 mit Bytes → Bytes kommen unverändert
// zurück; Methode, Pfad (inkl. Voice-ID), Header (xi-api-key) und der
// JSON-Body (model_id, voice_settings) entsprechen dem Task-Brief.
func TestElevenLabsSynthese200(t *testing.T) {
	ts, rec := fakeTTSServer(t, 200, fakeMP3)
	p := NewElevenLabs(ChainConfig{
		Getenv: envMap(map[string]string{
			EnvElevenLabsKey:      "testkey",
			EnvElevenLabsEndpoint: ts.URL,
		}),
	})

	data, err := p.Synthesize(context.Background(), "Hallo Welt", "de")
	if err != nil {
		t.Fatalf("Synthesize: %v", err)
	}
	if string(data) != string(fakeMP3) {
		t.Errorf("Synthesize = %q, want Fake-Bytes %q", data, fakeMP3)
	}
	if rec.method != http.MethodPost {
		t.Errorf("Methode = %s, want POST", rec.method)
	}
	if want := "/v1/text-to-speech/21m00Tcm4TlvDq8ikWAM"; rec.path != want {
		t.Errorf("Pfad = %q, want %q (neutrales Repo-Default „Rachel“)", rec.path, want)
	}
	if got := rec.header.Get("xi-api-key"); got != "testkey" {
		t.Errorf("xi-api-key = %q, want %q", got, "testkey")
	}

	var body struct {
		Text          string `json:"text"`
		ModelID       string `json:"model_id"`
		VoiceSettings struct {
			Stability       float64 `json:"stability"`
			SimilarityBoost float64 `json:"similarity_boost"`
		} `json:"voice_settings"`
	}
	if err := json.Unmarshal(rec.body, &body); err != nil {
		t.Fatalf("Antwort-Body ist kein JSON: %v (%s)", err, rec.body)
	}
	if body.Text != "Hallo Welt" {
		t.Errorf("text = %q", body.Text)
	}
	if body.ModelID != "eleven_multilingual_v2" {
		t.Errorf("model_id = %q, want eleven_multilingual_v2", body.ModelID)
	}
	if body.VoiceSettings.Stability != 0.5 || body.VoiceSettings.SimilarityBoost != 0.75 {
		t.Errorf("voice_settings = %+v, want stability 0.5 / similarity_boost 0.75", body.VoiceSettings)
	}
}

// TestElevenLabsHTTPFehler: 500 und 401 sind klare Fehler, die Status und
// einen Body-Ausschnitt nennen (die Kette fällt daran weiter).
func TestElevenLabsHTTPFehler(t *testing.T) {
	cases := []struct {
		status int
		body   string
		want   string
	}{
		{500, "internal boom", "500"},
		{401, `{"detail":{"status":"invalid_api_key"}}`, "401"},
	}
	for _, tc := range cases {
		t.Run(http.StatusText(tc.status), func(t *testing.T) {
			ts, _ := fakeTTSServer(t, tc.status, []byte(tc.body))
			p := NewElevenLabs(ChainConfig{Getenv: envMap(map[string]string{
				EnvElevenLabsKey:      "testkey",
				EnvElevenLabsEndpoint: ts.URL,
			})})
			_, err := p.Synthesize(context.Background(), "Hallo", "de")
			if err == nil || !strings.Contains(err.Error(), tc.want) {
				t.Fatalf("Synthesize-Fehler = %v, will HTTP %s", err, tc.want)
			}
			if !strings.Contains(err.Error(), "elevenlabs") {
				t.Errorf("Fehler soll den Provider nennen: %v", err)
			}
		})
	}
}

// TestElevenLabsAvailable: ohne Key nicht verfügbar, mit Key verfügbar —
// ohne jeden Netz-Call.
func TestElevenLabsAvailable(t *testing.T) {
	if NewElevenLabs(ChainConfig{Getenv: envMap(nil)}).Available(context.Background()) {
		t.Error("Available ohne Key = true, want false")
	}
	p := NewElevenLabs(ChainConfig{Getenv: envMap(map[string]string{EnvElevenLabsKey: "k"})})
	if !p.Available(context.Background()) {
		t.Error("Available mit Key = false, want true")
	}
}

// TestElevenLabsVoiceRangfolge: --voice-Pin schlägt config-Mapping, Mapping
// schlägt Repo-Default (beobachtbar am Request-Pfad).
func TestElevenLabsVoiceRangfolge(t *testing.T) {
	mk := func(t *testing.T, voices map[string]string, pin string) (*ElevenLabs, *recordedRequest) {
		t.Helper()
		ts, rec := fakeTTSServer(t, 200, fakeMP3)
		p := NewElevenLabs(ChainConfig{
			Getenv: envMap(map[string]string{
				EnvElevenLabsKey:      "k",
				EnvElevenLabsEndpoint: ts.URL,
			}),
			Voices: map[string]map[string]string{"elevenlabs": voices},
		})
		if pin != "" {
			p.PinVoice(pin)
		}
		return p, rec
	}

	t.Run("config-Mapping schlägt Default", func(t *testing.T) {
		p, rec := mk(t, map[string]string{"de": "AusConfig"}, "")
		if _, err := p.Synthesize(context.Background(), "Hallo", "de"); err != nil {
			t.Fatalf("Synthesize: %v", err)
		}
		if want := "/v1/text-to-speech/AusConfig"; rec.path != want {
			t.Errorf("Pfad = %q, want %q", rec.path, want)
		}
	})
	t.Run("Pin (--voice) schlägt config-Mapping", func(t *testing.T) {
		p, rec := mk(t, map[string]string{"de": "AusConfig"}, "Gepinnt")
		if _, err := p.Synthesize(context.Background(), "Hallo", "de"); err != nil {
			t.Fatalf("Synthesize: %v", err)
		}
		if want := "/v1/text-to-speech/Gepinnt"; rec.path != want {
			t.Errorf("Pfad = %q, want %q", rec.path, want)
		}
	})
	t.Run("unbekannte Sprache fällt auf en-Default", func(t *testing.T) {
		p, rec := mk(t, nil, "")
		if _, err := p.Synthesize(context.Background(), "Hallo", "fr"); err != nil {
			t.Fatalf("Synthesize: %v", err)
		}
		if want := "/v1/text-to-speech/21m00Tcm4TlvDq8ikWAM"; rec.path != want {
			t.Errorf("Pfad = %q, want en-Default %q", rec.path, want)
		}
	})
}

// TestElevenLabsLeererText ist ein klarer Fehler ohne Request.
func TestElevenLabsLeererText(t *testing.T) {
	ts, rec := fakeTTSServer(t, 200, fakeMP3)
	p := NewElevenLabs(ChainConfig{Getenv: envMap(map[string]string{
		EnvElevenLabsKey:      "k",
		EnvElevenLabsEndpoint: ts.URL,
	})})
	if _, err := p.Synthesize(context.Background(), "", "de"); err == nil {
		t.Error("Synthesize(\"\") soll fehlschlagen")
	}
	if rec.method != "" {
		t.Error("Bei leerem Text darf kein Request gehen")
	}
}