João HenriqueandClaude Opus 5
1bebee4359
Transforma a etapa "colar decisões" numa tela de lapidação: a sugestão da IA chega carregada e o editor afina frase a frase o que é ênfase e o que fica fora. Essa marcação é o norte da etapa 6 — só as frases com ênfase recebem zoom e legenda dinâmica; as demais ficam com legenda comum. O campo de colar o JSON sobe para a etapa 4, então a numeração das etapas não muda e a etapa 6 segue intacta. Backend (fcpxml/phrase_review.py): - build_phrase_review funde o _voice_timeline.json com as actions da IA - trim por frase que anda em fronteira de palavra; corte parcial da IA chega como trim em vez de ser arredondado fora - phrase_review_to_actions volta a cuts/zooms + emphasis_spans - merge_saved_decisions reaplica só as decisões salvas sobre uma revisão remontada da análise atual, para reprocessar a voz não ficar mascarado - resolve_source acha a mídia: o voice timeline guarda só o nome do arquivo App (SwiftUI): - layout de sala de edição: preview em cima, inspector à direita, timeline atravessando embaixo com seis trilhas rotuladas - preview enquadra no formato de entrega lido do .fcpxml (fonte horizontal, projeto vertical), com alternância para a mídia original - reprodução pula os trechos removidos e para no fim do trecho - zoom manual por trecho marcado, sem guardar escala: a forma vem das configurações de Análise de Voz no render - emoção da fala exposta por frase Correções encontradas no caminho: - VideoPlayer (AVKit) aborta em runtime no app compilado por swiftc; trocado por AVPlayerLayer (ver Engine/docs/05_EXPERIENCIAS.md #22) - teste que ainda afirmava o default zoom scale=1.3 removido do parser (#21) Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
112 lines
4.2 KiB
Python
112 lines
4.2 KiB
Python
"""Tests for the build_voice_timeline MCP tool."""
|
|
|
|
import json
|
|
|
|
import pytest
|
|
|
|
from tests.test_voice_features_tool import _write_silent_wav
|
|
|
|
_TRANSCRIPT = {
|
|
"language": "pt",
|
|
"duration": 4.0,
|
|
"text": "isso e seguranca total",
|
|
"segments": [
|
|
{"text": "isso e", "start": 0.0, "end": 1.0},
|
|
{"text": "seguranca total", "start": 2.0, "end": 4.0},
|
|
],
|
|
"words": [
|
|
{"word": "isso", "start": 0.0, "end": 0.4, "confidence": 0.9},
|
|
{"word": "e", "start": 0.5, "end": 0.7, "confidence": 0.9},
|
|
{"word": "seguranca", "start": 2.0, "end": 2.9, "confidence": 0.9},
|
|
{"word": "total", "start": 3.0, "end": 3.5, "confidence": 0.9},
|
|
],
|
|
}
|
|
|
|
|
|
@pytest.fixture
|
|
def wav(tmp_path):
|
|
path = tmp_path / "clip.wav"
|
|
_write_silent_wav(str(path))
|
|
return path
|
|
|
|
|
|
@pytest.fixture
|
|
def patched(monkeypatch):
|
|
"""Deterministic transcription + acoustics, no optional extras needed."""
|
|
import fcpxml.voice_timeline as vt
|
|
import server_tools._shared as _shared_mod
|
|
|
|
monkeypatch.setattr(_shared_mod, "transcribe", lambda *a, **k: _TRANSCRIPT)
|
|
monkeypatch.setattr(vt, "extract_pitch", lambda *a, **k: [(2.4, 260.0), (0.2, 120.0)])
|
|
monkeypatch.setattr(vt, "extract_energy", lambda *a, **k: [(2.4, 0.95), (0.2, 0.10)])
|
|
|
|
|
|
class TestBuildVoiceTimelineHandler:
|
|
async def test_writes_timeline_json(self, wav, patched):
|
|
from server import handle_build_voice_timeline
|
|
|
|
result = await handle_build_voice_timeline({"media_path": str(wav)})
|
|
text = result[0].text
|
|
|
|
json_path = wav.parent / "clip_voice_timeline.json"
|
|
assert str(json_path) in text
|
|
data = json.loads(json_path.read_text(encoding="utf-8"))
|
|
assert data["summary"]["word_count"] == 4
|
|
assert len(data["segments"]) == 2
|
|
|
|
async def test_reports_which_layers_ran(self, wav, patched):
|
|
from server import handle_build_voice_timeline
|
|
|
|
result = await handle_build_voice_timeline({"media_path": str(wav)})
|
|
text = result[0].text
|
|
assert "Analysis Layers" in text
|
|
assert "Transcript" in text
|
|
|
|
async def test_rejects_disallowed_extension(self, tmp_path):
|
|
from server import handle_build_voice_timeline
|
|
|
|
bad = tmp_path / "clip.txt"
|
|
bad.write_text("not audio")
|
|
with pytest.raises(ValueError):
|
|
await handle_build_voice_timeline({"media_path": str(bad)})
|
|
|
|
async def test_untranscribable_media_reports_hint(self, wav, monkeypatch):
|
|
import server_tools._shared as _shared_mod
|
|
from server import handle_build_voice_timeline
|
|
|
|
monkeypatch.setattr(_shared_mod, "transcribe", lambda *a, **k: None)
|
|
result = await handle_build_voice_timeline({"media_path": str(wav)})
|
|
assert "faster-whisper" in result[0].text
|
|
|
|
async def test_uses_persisted_peak_settings(self, wav, patched, monkeypatch):
|
|
"""A wider percentile must surface more peak moments."""
|
|
import server_tools.voice as server_mod
|
|
from server import handle_build_voice_timeline
|
|
|
|
def config(percentile):
|
|
return {
|
|
"energy_threshold": 0.5,
|
|
"peak_percentile": percentile,
|
|
"emphasis_floor": 0.0,
|
|
"emphasis_weights": {
|
|
"energy": 0.30, "pitch_variation": 0.25, "rate_variation": 0.20,
|
|
"pause_before": 0.15, "duration": 0.10,
|
|
},
|
|
"emotion_enabled": False,
|
|
"emotion_sensitivity": 0.5,
|
|
"zoom_scale": 1.3,
|
|
"zoom_mode": "in_out",
|
|
"zoom_ease_in": 0.25,
|
|
"zoom_ease_out": 0.04,
|
|
}
|
|
|
|
monkeypatch.setattr(server_mod, "load_voice_analysis_config", lambda: config(0.01))
|
|
await handle_build_voice_timeline({"media_path": str(wav)})
|
|
strict = json.loads((wav.parent / "clip_voice_timeline.json").read_text())
|
|
|
|
monkeypatch.setattr(server_mod, "load_voice_analysis_config", lambda: config(1.0))
|
|
await handle_build_voice_timeline({"media_path": str(wav)})
|
|
loose = json.loads((wav.parent / "clip_voice_timeline.json").read_text())
|
|
|
|
assert loose["summary"]["peak_count"] > strict["summary"]["peak_count"]
|