From 3c218c70878ec4ac4cf7d35646d3856e305f4048 Mon Sep 17 00:00:00 2001
From: tsukumi <tsukumijima@users.noreply.github.com>
Date: Sun, 22 Dec 2024 07:17:07 +0900
Subject: [PATCH] Improve: Variation of text-to-speech during testing

---
 tests/test_main.py | 59 ++++++++++++++++++++++++++--------------------
 1 file changed, 34 insertions(+), 25 deletions(-)

diff --git a/tests/test_main.py b/tests/test_main.py
index 4740395..88c8a84 100644
--- a/tests/test_main.py
+++ b/tests/test_main.py
@@ -4,6 +4,7 @@ import pytest
 from scipy.io import wavfile
 
 from style_bert_vits2.constants import BASE_DIR, Languages
+from style_bert_vits2.logging import logger
 from style_bert_vits2.tts_model import TTSModelHolder
 
 
@@ -53,34 +54,42 @@ def synthesize(
 
                 # すべてのスタイルに対して音声合成を実行
                 for style in model_info.styles:
+                    logger.info(f"Testing style: {style}")
 
-                    # 音声合成を実行
-                    sample_rate, audio_data = model.infer(
-                        "あらゆる現実を、すべて自分のほうへねじ曲げたのだ。",
-                        # 言語 (JP, EN, ZH / JP-Extra モデルの場合は JP のみ)
-                        language=Languages.JP,
-                        # 話者 ID (音声合成モデルに複数の話者が含まれる場合のみ必須、単一話者のみの場合は 0)
-                        speaker_id=0,
-                        # テンポの緩急 (0.0 〜 1.0)
-                        sdp_ratio=0.4,
-                        # スタイル (Neutral, Happy など)
-                        style=style,
-                        # スタイルの強さ (0.0 〜 100.0)
-                        style_weight=2.0,
-                    )
+                    # テストに使用するサンプルテキスト
+                    sample_texts = [
+                        "こんにちは、初めまして。あなたの名前はなんていうの？",
+                        "桜の樹の下には屍体が埋まっている！これは信じていいことなんだよ。",
+                        "あなたがいなくなって、私は一人になっちゃって、泣いちゃいそうなほど悲しい。",
+                        "音声合成は、機械学習を活用して、テキストから人の声を再現する技術です。この技術は、言語の構造を解析し、それに基づいて音声を生成します。",
+                    ]
 
-                    # 音声データを保存
-                    (BASE_DIR / f"tests/wavs/{model_info.name}").mkdir(
-                        exist_ok=True, parents=True
-                    )
-                    wav_file_path = (
-                        BASE_DIR / f"tests/wavs/{model_info.name}/{style}.wav"
-                    )
-                    with open(wav_file_path, "wb") as f:
-                        wavfile.write(f, sample_rate, audio_data)
+                    # 各サンプルテキストに対して音声合成を実行
+                    for i, text in enumerate(sample_texts):
 
-                    # 音声データが保存されたことを確認
-                    assert wav_file_path.exists()
+                        # 音声合成を実行
+                        sample_rate, audio_data = model.infer(
+                            text,
+                            # 言語 (JP, EN, ZH / JP-Extra モデルの場合は JP のみ)
+                            language=Languages.JP,
+                            # 話者 ID (音声合成モデルに複数の話者が含まれる場合のみ必須、単一話者のみの場合は 0)
+                            speaker_id=0,
+                            # テンポの緩急 (0.0 〜 1.0)
+                            sdp_ratio=0.4,
+                            # スタイル (Neutral, Happy など)
+                            style=style,
+                            # スタイルの強さ (0.0 〜 100.0)
+                            style_weight=2.0,
+                        )
+
+                        # 音声データを保存
+                        (BASE_DIR / f"tests/wavs/{model_info.name}").mkdir(exist_ok=True, parents=True)  # fmt: skip
+                        wav_file_path = BASE_DIR / f"tests/wavs/{model_info.name}/{style}_{i+1:02d}.wav"  # fmt: skip
+                        with open(wav_file_path, "wb") as f:
+                            wavfile.write(f, sample_rate, audio_data)
+
+                        # 音声データが保存されたことを確認
+                        assert wav_file_path.exists()
 
                 # モデルをアンロード
                 model.unload()