#!/usr/bin/env bash
# Que el verde hable, y que hable IGUAL que el naranja.
#
# No es un detalle estetico. Si el verde sonara con una voz que Piper se
# descarga por su cuenta —la GPL de OHF-Voice que trae Hermes de serie—,
# comparar los dos carriles no diria nada: la mitad de la impresion de un
# asistente de voz es el timbre.
#
# Por eso el TTS de Hermes va por comando (type: command, sin documentar en su
# web pero si en tools/tts_tool.py) contra voz-verde.sh, que es un adaptador de
# 15 lineas al mismo config/jarvis-piper.sh del naranja: mismo binario Piper
# 1.2.0 MIT, mismo .onnx, misma cadena de audio.
#
# La prueba llama al adaptador EXACTAMENTE como lo llama Hermes: dos argumentos,
# el WAV de salida y un FICHERO con el texto. Es donde estaba la trampa —
# jarvis-piper.sh quiere el texto como argumento— y una interfaz mal encajada no
# se ve hasta que suena mal.
#
# No suena nada: se genera el fichero y se mide.

cd "$(dirname "$0")" && . ./comun.sh

titulo "El adaptador"

afirma "existe voz-verde.sh"  test -x "$VERDE/voz-verde.sh"
afirma "existe jarvis-piper.sh del naranja" test -x "$RAIZ/config/jarvis-piper.sh"

titulo "Generar"

TEXTO=$TMP/texto.txt
WAV=$TMP/voz.wav
rm -f "$WAV"
printf 'A sus órdenes, señor. Todos los sistemas responden con normalidad.' > "$TEXTO"

INICIO=$(date +%s.%N)
"$VERDE/voz-verde.sh" "$WAV" "$TEXTO" >"$TMP/voz.log" 2>&1
SALIO=$?
TARDO=$(awk "BEGIN{printf \"%.2f\", $(date +%s.%N) - $INICIO}")

if [ $SALIO -ne 0 ] || [ ! -s "$WAV" ]; then
    echo "  $(rojo FALLO) voz-verde.sh no genero el WAV (codigo $SALIO)"
    sed 's/^/        /' "$TMP/voz.log" | head -8
    exit 1
fi
echo "  $(verde OK) WAV generado en ${TARDO}s"; _ok=$((_ok + 1))

titulo "El fichero"

# soxi/ffprobe no estan garantizados: se lee la cabecera RIFF a mano, que son
# cuatro campos en posiciones fijas y no depende de nada instalado.
leer=$(python3 - "$WAV" <<'PY'
import struct, sys, wave
with wave.open(sys.argv[1]) as w:
    print(w.getframerate(), w.getnchannels(), w.getsampwidth() * 8,
          round(w.getnframes() / w.getframerate(), 2))
PY
)
read -r HZ CANALES BITS SEGUNDOS <<<"$leer"

comprueba "22050 Hz, como el naranja" "$HZ"      "22050"
comprueba "mono"                      "$CANALES" "1"
comprueba "16 bits"                   "$BITS"    "16"

# Frase de ~4 s. Si sale mucho mas corta, Piper se comio el texto; si sale mucho
# mas larga, el tono esta mal y sonaria a camara lenta.
mayor_que "dura lo que una frase (s)" "$SEGUNDOS" 2
menor_que "y no se alarga de mas (s)" "$SEGUNDOS" 12

# Tiempo real: 0,34 s para 3,2 s de audio, medido el 15 ago. Es CPU, no toca la
# grafica, asi que no compite con el modelo.
RATIO=$(awk "BEGIN{printf \"%.2f\", $TARDO / $SEGUNDOS}")
nota "sintesis $TARDO s para $SEGUNDOS s de audio (x$RATIO del tiempo real)"
menor_que "sintetiza mas rapido de lo que dura" "$RATIO" 1

titulo "La misma voz que el naranja"

# voz-verde.sh copia al NUCLEO (nucleo/boca/voz.py: POR_DEFECTO = "davefx"), no
# al README, que describe sharvard y es del JARVIS sobre Newelle. Se compara
# contra el nucleo porque es contra quien se va a comparar el carril.
VOZ_VERDE=$(grep -oP 'JARVIS_PIPER_VOZ:-\K[^}]+'  "$VERDE/voz-verde.sh")
VOZ_NUCLEO=$(grep -oP 'POR_DEFECTO\s*=\s*"\K[^"]+' "$RAIZ/nucleo/boca/voz.py" 2>/dev/null)
if [ -z "$VOZ_NUCLEO" ]; then
    nota "no pude leer la voz del nucleo; comparacion omitida"
else
    comprueba "misma voz que el nucleo" "$VOZ_VERDE" "es_ES-${VOZ_NUCLEO}-medium"
fi

resumen