README.md

BookerBV2Tool 单元测试

本目录包含对 BookerBV2Tool 源码的单元测试，使用 pytest。

运行

# 在仓库根目录下运行全部测试
python -m pytest tests/ -q

# 只运行某个模块的测试
python -m pytest tests/test_commons.py tests/test_utils.py -q

# 显示详细输出 / 覆盖率
python -m pytest tests/ -q -v
python -m pytest tests/ --cov=BookerBV2Tool

测试依赖项目运行时需要的第三方库（torch、librosa、scipy、 pypinyin、jieba、cn2an、g2p_en、pyopenjtalk、num2words、 transformers、funasr 等），但不需要网络：凡是会触发模型下载或 外部服务的路径（如 transformers tokenizer 加载、pyopenjtalk 词典下载、 funasr 推理）在测试里都被 mock 掉了。

目录结构

文件	覆盖模块
conftest.py	共享 fixture：把仓库根目录与包目录加入 sys.path、生成测试 WAV
_compat.py	把 data_utils.py 遗留的绝对导入（config/tools/commons/text）映射到真实子模块
test_commons.py	commons.py（张量/注意力/timing signal、KL、mask、grad clip 等）
test_mel_processing.py	mel_processing.py（STFT / Mel 频谱、动态范围压缩）
test_losses.py	losses.py（feature/discriminator/generator/kl 损失、WavLMLoss 骨架）
test_slice.py	slice.py（Slicer 静音切分、get_rms）
test_resample.py	resample.py（重采样单文件/目录）
test_utils.py	utils.py（HParams、checkpoint 读写/清理、模型混合、路径工具）
test_symbols.py	text/symbols.py（音素表、声调偏移、语言 id）
test_chinese.py	text/chinese.py（中文标点/数字归一化、G2P）
test_english.py	text/english.py（英文数字/缩写展开、音素工具）
test_japanese.py	text/japanese.py（平假名/片假名转音素、数字转日语）
test_tone_sandhi.py	text/tone_sandhi.py（变调规则）
test_cleaner.py	text/cleaner.py（音素→id 序列、按语言分发）
test_bert_utils.py	text/bert_utils.py（BERT 权重下载）
test_mklist.py	mklist.py（生成 speaker_list.json）
test_mark.py	mark.py（写转写旁注文件）
test_preproc.py	preproc.py（训练/验证集划分、写配置）
test_bert_gen.py	bert_gen.py（生成 BERT 音素向量）
test_sencevoice.py	sencevoice.py（SenseVoice 转写流程，全 mock）
test_data_utils.py	data_utils.py（数据集、collate、分桶采样器）

覆盖与未覆盖

• 已并入并测试模型库：本仓库打包时遗漏了上游 Bert-VITS2 的模型源码 （modules.py / attentions.py / transforms.py / monotonic_align/ / config.py / tools/），已从 /d/src/Bert-VITS2 补入并改为包内相对导入， models.py 与 train.py 现在可以成功导入。test_models.py 验证了整条 训练链可导入、SynthesizerTrn 可构造（条件/无条件说话人编码两条路径）。
• train 的实际训练：需要 CUDA 版 torch + GPU + 分布式环境变量 + 充足数据。本机是无 GPU 的 CPU torch，train 能读取配置、加载环境变量、 构建模型，但在 torch.cuda.set_device 处因无 GPU 而停止——这是硬件限制， 不是代码错误。相关模型/数据层代码已通过 test_models.py、test_data_utils.py 间接覆盖。
• text/*.bert：需要下载预训练模型，未测试（get_bert_feature 已在 test_cleaner.py / test_bert_gen.py 中 mock 覆盖调用流程）。

关于“特征化测试”（characterization tests）

源码里存在若干真实缺陷，部分测试用 # Characterization: 注释把它们固定下来 （当维护者修复后这些测试会需要更新）：

• commons.rand_slice_segments 默认 x_lengths=None 时，在 torch≥2.x 下把 Python int 传给 torch.clamp(..., min=...) 会抛 TypeError。
• losses.kl_loss 对相同的 N(0,1) 输入返回 -0.5（缺少 exp(2*logs_p) 归一化项）。
• mel_processing 用位置参数调用 librosa.filters.mel，而 librosa≥0.10 改为 关键字参数，会抛 TypeError（测试中用 stub 替换了该调用）。
• utils.clean_checkpoints 的 name_key 正则 ._(\d+)\.pth 无法匹配 WD_*.pth， 遇到 WD 文件会抛 AttributeError。
• sencevoice.py 转换失败时引用未定义的 fname，实际抛 NameError 而非 FileNotFoundError。
• chinese.g2p 对含未剥离的拉丁字符/标点的原始文本会因 len(word2ph) == len(text) 断言失败（调用方应先 text_normalize）。