From 47352897ce1d211194cad452e3c11d6efa286234 Mon Sep 17 00:00:00 2001
From: Simbiot Harness <harness@simbiot>
Date: Sun, 4 Oct 2026 17:05:06 +0000
Subject: [PATCH] =?UTF-8?q?test:=20=D0=B2=D0=B8=D0=B4=D0=B5=D0=BE=E2=86=92?=
 =?UTF-8?q?=D1=82=D0=B5=D0=BA=D1=81=D1=82=20=D0=B2=20voice-=D0=BF=D0=B0?=
 =?UTF-8?q?=D0=B9=D0=BF=D0=BB=D0=B0=D0=B9=D0=BD=D0=B5=20(t-261004160531-ed?=
 =?UTF-8?q?25ed)=20=E2=80=94=20extract=5Faudio=5Ftrack=20=D0=BD=D0=B0=20?=
 =?UTF-8?q?=D0=B6=D0=B8=D0=B2=D1=8B=D1=85=20ffmpeg-=D1=84=D0=B8=D0=BA?=
 =?UTF-8?q?=D1=81=D1=82=D1=83=D1=80=D0=B0=D1=85=20(ogg/opus,=20=D0=B1?=
 =?UTF-8?q?=D0=B5=D0=B7=20=D0=B4=D0=BE=D1=80=D0=BE=D0=B6=D0=BA=D0=B8?=
 =?UTF-8?q?=E2=86=92None),=20=D1=80=D0=BE=D1=83=D1=82=D0=B8=D0=BD=D0=B3=20?=
 =?UTF-8?q?kind=3Dvideo=20=E2=89=A460=D1=81=20=D1=81=D1=80=D0=B0=D0=B7?=
 =?UTF-8?q?=D1=83=20=D0=B2=20large-v3-turbo,=20>60=D1=81=20=D1=87=D0=B5?=
 =?UTF-8?q?=D1=80=D0=B5=D0=B7=20base-=D0=BB=D0=B5=D1=81=D1=82=D0=BD=D0=B8?=
 =?UTF-8?q?=D1=86=D1=83,=20audio=5Ftrack=5Ffailed,=20e2e=20MessageReceived?=
 =?UTF-8?q?=E2=86=92=D1=82=D1=80=D0=B0=D0=BD=D1=81=D0=BA=D1=80=D0=B8=D0=BF?=
 =?UTF-8?q?=D1=82+=D0=B8=D0=B4=D0=B5=D0=BC=D0=BF=D0=BE=D1=82=D0=B5=D0=BD?=
 =?UTF-8?q?=D1=82=D0=BD=D0=BE=D1=81=D1=82=D1=8C;=206=20=D1=82=D0=B5=D1=81?=
 =?UTF-8?q?=D1=82=D0=BE=D0=B2=20pytest+plain?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 tests/test_voice_video.py | 229 ++++++++++++++++++++++++++++++++++++++
 1 file changed, 229 insertions(+)
 create mode 100644 tests/test_voice_video.py

diff --git a/tests/test_voice_video.py b/tests/test_voice_video.py
new file mode 100644
index 0000000..ff06dc2
--- /dev/null
+++ b/tests/test_voice_video.py
@@ -0,0 +1,229 @@
+# -*- coding: utf-8 -*-
+"""t-261004160531: видео→текст в voice-пайплайне (регресс t-261004152714).
+
+Покрытие:
+  1. unit: extract_audio_track — реальный ffmpeg на живых фикстурах
+     (mp4 с дорожкой → ogg/opus байты; mp4 без дорожки и мусор → None);
+  2. unit: роутинг kind=video ≤60с → сразу faster-whisper turbo
+     (webservice-ярус не зовётся, движок = large-v3-turbo);
+  3. unit: длинное видео (>60с) → обычная лестница (webservice base первым);
+  4. unit: контейнер без дорожки → MessageTranscribed(audio_track_failed);
+  5. e2e на фикстуре: MessageReceived(kind=video) → download (мок) →
+     ffmpeg-извлечение → ASR (мок) → транскрипт в проекции inbox;
+     идемпотентность повтора (второй вызов — из read model, без хождений).
+
+Запуск: ./venv/bin/python tests/test_voice_video.py  |  pytest tests/test_voice_video.py
+ASR-слои мокнуты (нет сети/моделей), ffmpeg — настоящий (он на хосте).
+"""
+import os
+import subprocess
+import sys
+
+# ── изоляция: своя БД в /tmp, прод-стор не трогаем ──
+_DST = "/tmp/simbiot-test-voice-video.db"
+for p in (_DST, _DST + "-wal", _DST + "-shm"):
+    if os.path.exists(p):
+        os.unlink(p)
+os.environ["SIMBIOT_DB"] = _DST
+sys.path.insert(0, "/root/simbiot-harness")
+
+from harness import es, tg_inbox
+import harness.voice as voice
+
+fails = []
+
+
+def check(name, cond, extra=""):
+    print(("PASS" if cond else "FAIL"), name, ("| " + extra) if not cond else "", flush=True)
+    if not cond:
+        fails.append(name)
+        raise AssertionError(f"{name} {extra}")
+
+
+# ── фикстуры: генерируем ffmpeg'ом при запуске (детерминировано, без бинарников в репо) ──
+_TMP = "/tmp/simbiot-test-voice-video"
+os.makedirs(_TMP, exist_ok=True)
+WITH_AUDIO = os.path.join(_TMP, "with_audio.mp4")   # testsrc + sine 440Hz
+NO_AUDIO = os.path.join(_TMP, "no_audio.mp4")       # только видео
+
+
+def _ff(args):
+    r = subprocess.run(["ffmpeg", "-y", "-v", "error"] + args,
+                       capture_output=True, timeout=120)
+    if r.returncode != 0:
+        raise RuntimeError((r.stderr or b"").decode()[:300])
+
+
+_ff(["-f", "lavfi", "-i", "testsrc=duration=2:size=128x96:rate=10",
+     "-f", "lavfi", "-i", "sine=frequency=440:duration=2",
+     "-c:v", "libx264", "-preset", "ultrafast", "-c:a", "aac",
+     "-shortest", WITH_AUDIO])
+_ff(["-f", "lavfi", "-i", "testsrc=duration=2:size=128x96:rate=10",
+     "-c:v", "libx264", "-preset", "ultrafast", "-an", NO_AUDIO])
+
+with open(WITH_AUDIO, "rb") as f:
+    VIDEO_WITH_AUDIO = f.read()
+with open(NO_AUDIO, "rb") as f:
+    VIDEO_NO_AUDIO = f.read()
+
+es.init_db()
+
+
+# ────────────────────────── 1. extract_audio_track ──────────────────────────
+
+def test_extract_audio_track_from_container():
+    """mp4 с дорожкой → ogg/opus байты (заголовок OggS + OpusHead, звук есть)."""
+    track = voice.extract_audio_track(VIDEO_WITH_AUDIO)
+    check("контейнер с дорожкой → байты", bool(track), "None/пусто")
+    assert track[:4] == b"OggS", f"не ogg: {track[:8]!r}"
+    assert b"OpusHead" in track[:64], "не opus-кодек"
+    check("ogg/opus формат дорожки", True)
+
+
+def test_extract_audio_track_no_track():
+    """mp4 без аудио → None (ffmpeg ничего не вынул)."""
+    r = voice.extract_audio_track(VIDEO_NO_AUDIO)
+    check("контейнер без дорожки → None", r is None, f"получили {type(r)}")
+    r = voice.extract_audio_track(b"not a video at all")
+    check("мусор на входе → None (без исключения)", r is None, f"получили {type(r)}")
+
+
+# ─────────────────────── 2-4. роутинг kind=video ────────────────────────────
+
+def _video_msg(mid, duration):
+    """MessageReceived c video-вложением в Telegram-формате."""
+    return {"update_id": int(mid.split("-")[1]), "message": {
+        "message_id": int(mid.split("-")[1]) % 100000, "date": 1780000000,
+        "chat": {"id": 42}, "from": {"id": 1, "username": "alex", "first_name": "Alex"},
+        "video": {"file_id": f"fid-{mid}", "file_unique_id": f"fuid-{mid}",
+                  "duration": duration}}}
+
+
+class _Rec:
+    """Записываем вызовы ASR-слоёв и подменяем их ответами."""
+
+    def __init__(self, fw_text=None, ws_text=None):
+        self.calls = {"fw": [], "ws": [], "dl": []}
+        self._orig = {}
+        self._patch("_download_voice",
+                    lambda fid, fuid="": (self.calls["dl"].append(fid) or VIDEO_WITH_AUDIO, None))
+        self._patch("_asr_faster_whisper",
+                    lambda audio, fn: (self.calls["fw"].append(audio) or fw_text))
+        self._patch("_asr_webservice",
+                    lambda audio, fn: (self.calls["ws"].append(audio) or ws_text))
+
+    def _patch(self, name, fn):
+        self._orig[name] = getattr(voice, name)
+        setattr(voice, name, fn)
+
+    def restore(self):
+        for k, v in self._orig.items():
+            setattr(voice, k, v)
+        self._orig = {}
+
+
+def test_short_video_routes_to_turbo():
+    """kind=video ≤60с: сразу faster-whisper turbo, webservice не зовётся."""
+    tg_inbox.receive_message(_video_msg("m-910001", 5))
+    rec = _Rec(fw_text="привет из видео")
+    # детерминированный маркер: сам ogg-заголовок между запусками ffmpeg
+    # не байт-стабилен — проверяем передачу ровно того, что вернул extract
+    marker = b"OggS-EXTRACTED-TRACK"
+    orig_extract = voice.extract_audio_track
+    voice.extract_audio_track = lambda c: (rec.calls.setdefault("ex", []).append(1) or marker)
+    try:
+        text, engine = voice.transcribe_message(
+            "m-910001", "fid-m-910001", "fuid-m-910001", duration=5, kind="video")
+    finally:
+        voice.extract_audio_track = orig_extract
+        rec.restore()
+    check("транскрипт получен", text == "привет из видео", f"text={text!r}")
+    check("движок = large-v3-turbo", engine == "faster-whisper-large-v3-turbo",
+          f"engine={engine!r}")
+    check("turbo-ярус вызван ровно 1 раз", len(rec.calls["fw"]) == 1,
+          f"{len(rec.calls['fw'])}")
+    check("webservice-ярус пропущен", len(rec.calls["ws"]) == 0,
+          f"{len(rec.calls['ws'])}")
+    check("в ASR ушла ИЗВЛЕЧЁННАЯ дорожка (не контейнер)",
+          rec.calls["fw"] and rec.calls["fw"][0] == marker, "байты != extract()")
+    check("extract вызван для видео", len(rec.calls.get("ex", [])) == 1)
+    m = es.run_projections()["inbox"]["m-910001"]
+    check("проекция: transcript в read model", m["transcript"] == "привет из видео")
+    check("проекция: text = транскрипт", m["text"] == "привет из видео")
+    check("проекция: без transcribe_reason", not m.get("transcribe_reason"))
+
+
+def test_long_video_uses_tier_ladder():
+    """kind=video >60с: сначала webservice base (обычная лестница)."""
+    tg_inbox.receive_message(_video_msg("m-910002", 120))
+    rec = _Rec(ws_text="длинное видео base")
+    try:
+        text, engine = voice.transcribe_message(
+            "m-910002", "fid-m-910002", "fuid-m-910002", duration=120, kind="video")
+    finally:
+        rec.restore()
+    check("транскрипт из base-яруса", text == "длинное видео base", f"text={text!r}")
+    check("движок = whisper-asr-base", engine == "whisper-asr-base", f"engine={engine!r}")
+    check("webservice вызван", len(rec.calls["ws"]) == 1, f"{len(rec.calls['ws'])}")
+    check("turbo не понадобился", len(rec.calls["fw"]) == 0, f"{len(rec.calls['fw'])}")
+
+
+def test_video_without_track_marks_failure():
+    """Дорожки нет → MessageTranscribed(reason=audio_track_failed), движок None."""
+    tg_inbox.receive_message(_video_msg("m-910003", 7))
+    rec = _Rec(fw_text="не должен вызываться")
+    rec._patch("_download_voice",
+               lambda fid, fuid="": (self_dl := rec.calls["dl"].append(fid) or VIDEO_NO_AUDIO, None))
+    try:
+        text, engine = voice.transcribe_message(
+            "m-910003", "fid-m-910003", "fuid-m-910003", duration=7, kind="video")
+    finally:
+        rec.restore()
+    check("результат — отказ (None)", text is None, f"text={text!r}")
+    m = es.run_projections()["inbox"]["m-910003"]
+    check("reason=audio_track_failed", m.get("transcribe_reason") == "audio_track_failed",
+          f"reason={m.get('transcribe_reason')!r}")
+    check("ASR-слои не звались", not rec.calls["fw"] and not rec.calls["ws"])
+
+
+# ──────────────────────────── 5. e2e на фикстуре ────────────────────────────
+
+def test_e2e_video_message_to_transcript():
+    """Полный путь: приём видео-сообщения → транскрипция → идемпотентность."""
+    mid = tg_inbox.receive_message(_video_msg("m-910004", 12))
+    rec = _Rec(fw_text="текст из видео e2e")
+    try:
+        text, engine = voice.transcribe_message(
+            mid, "fid-m-910004", "fuid-m-910004", duration=12, kind="video")
+    finally:
+        rec.restore()
+    check("e2e: транскрипт вернулся", text == "текст из видео e2e", f"text={text!r}")
+    m = es.run_projections()["inbox"][mid]
+    check("e2e: kind=video в проекции", m["kind"] == "video", f"kind={m['kind']!r}")
+    check("e2e: движок записан", m["engine"] == "faster-whisper-large-v3-turbo")
+    check("e2e: минуты увидат текст", m["text"] == "текст из видео e2e", f"text={m['text']!r}")
+    # идемпотентность: повтор берёт транскрипт из read model — без download/ASR
+    rec2 = _Rec(fw_text="другой текст (не должен использоваться)")
+    try:
+        text2, engine2 = voice.transcribe_message(
+            mid, "fid-m-910004", "fuid-m-910004", duration=12, kind="video")
+    finally:
+        rec2.restore()
+    check("повтор: транскрипт из кэша read model", text2 == "текст из видео e2e",
+          f"text={text2!r}")
+    check("повтор: без повторного download", not rec2.calls["dl"], "качал заново")
+    check("повтор: без повторного ASR", not rec2.calls["fw"] and not rec2.calls["ws"])
+
+
+# ────────────────────────────── plain-run режим ──────────────────────────────
+
+if __name__ == "__main__":
+    tests = [v for k, v in sorted(globals().items()) if k.startswith("test_") and callable(v)]
+    for t in tests:
+        try:
+            t()
+        except AssertionError:
+            pass
+    print(f"\n{'='*60}")
+    print(f"{'ALL OK' if not fails else 'FAILED: ' + ', '.join(fails)} ({len(tests)} тестов)")
+    sys.exit(1 if fails else 0)