vrsub/tests/test_integration_alignment.py

"""视频字幕生成流水线 → 时间对齐集成测试（真实数据复现"字幕时间不吻合"）。

背景：用户反馈 demo"视频字幕生成"产物的字幕与人物说话时间不吻合——存在
字幕**过早**或**过晚**展示。本测试**不自己跑 whisper**（长视频转写慢、低
显存易 OOM），而是：

1. 直接用现有"视频字幕生成"流水线跑一遍真实视频（该流水线已产出
   transcript.srt 中文翻译字幕，时间轴来自 whisper + 提示词翻译）；
2. 测试读取流水线**产物文件夹**里的最终字幕（.srt/.ass）；
3. 与人工校对的**参考字幕**（testdata/alignment/<name>.reference.srt，即
   硬字幕 OCR 提取、时间轴为"说话真实发生的时间"）做时间对齐量化评估，
   复现"过早/过晚"问题（红），为修复提供绿标准。

产物来源（用户告知）：流水线结果文件夹，含最终字幕文件。测试通过
环境变量 ALIGN_RESULT_DIR 指定，或命令行传 `--result-dir`（pytest 用
--override-ini 或直接用环境变量）。

数据契约：
- 参考字幕：``testdata/alignment/<name>.reference.srt``（硬字幕/人工校对）
- 流水线产物：``$ALIGN_RESULT_DIR/*.srt|*.ass``（最终字幕，时间轴为产物）
素材/参考/产物任一缺失时测试整体跳过（不污染 100% 覆盖率门禁）。
"""

from __future__ import annotations

import os
from pathlib import Path

import pytest

from tests.realdata_contract import (
    ALIGNMENT_DIR,
    TIER1_TOLERANCE_SECONDS,
    TIER2_EARLY_SECONDS,
    TIER2_LATE_SECONDS,
    align_report,
    alignment_candidates,
    clean_reference,
    parse_srt_entries,
)


def _result_dir() -> Path | None:
    """返回流水线产物文件夹（环境变量 ALIGN_RESULT_DIR 指定）；未设置返回 None。"""
    raw = os.getenv("ALIGN_RESULT_DIR")
    if not raw:
        return None
    path = Path(raw)
    return path if path.is_dir() else None


def _find_produced_srt(result_dir: Path) -> list[Path]:
    """在产物文件夹中寻找最终字幕文件（.srt / .ass），按名称排序。"""
    files = []
    for ext in (".srt", ".ass"):
        files.extend(result_dir.glob(f"*{ext}"))
    # 排除参考字幕与临时文件。
    files = [f for f in files if ".reference" not in f.name and not f.name.startswith("._")]
    return sorted(files)


def test_pipeline_time_alignment_vs_reference() -> None:
    """流水线产物字幕 vs 硬字幕参考：量化复现"过早/过晚"。

    做法（真实数据，不 mock）：
    - 取 testdata/alignment/<name>.reference.srt 作为参考时间轴；
    - 取 $ALIGN_RESULT_DIR 下流水线最终字幕（若有多个，取时间轴与参考最接近
      的那个，即覆盖时段与参考对齐的文件）；
    - 对产物逐条做最近邻时间匹配，输出平均绝对偏差/偏早偏晚累计/中位偏差；
    - 断言捕获到"系统性偏差或平均偏差过大"即复现成功（红）。

    修复后（vad 策略/对齐策略/翻译时间戳策略改善）偏差应回落，测试转绿。
    """
    candidates = alignment_candidates()
    if not candidates:
        pytest.skip(
            f"缺少参考数据（{ALIGNMENT_DIR}/<name>.<ext> + <name>.reference.srt），"
            "跳过时间对齐集成测试"
        )
    result_dir = _result_dir()
    if result_dir is None:
        pytest.skip("未设置 ALIGN_RESULT_DIR（流水线产物文件夹），跳过")

    produced_files = _find_produced_srt(result_dir)
    if not produced_files:
        pytest.skip(
            f"{result_dir} 下没有 .srt/.ass 产物，跳过（请确认流水线已完成）"
        )

    all_pass = True
    reasons: list[str] = []

    # 对每个素材用参考时间轴评判，选其中覆盖时段与参考最接近的产物文件。
    for media in candidates:
        reference = clean_reference(parse_srt_entries(
            media.with_suffix(".reference.srt").read_text(encoding="utf-8")
        ))
        if not reference:
            reasons.append(f"{media.stem}: 参考字幕为空")
            all_pass = False
            continue

        # 择优：产物文件与参考起始时间差最小的作为该素材的评判对象。
        best_file, best_file_produced = None, []
        best_score = float("inf")
        for p in produced_files:
            produced = parse_srt_entries(p.read_text(encoding="utf-8"))
            if not produced:
                continue
            # 覆盖差距 = 产物首条与参考首条的起始时间差（取绝对值）。
            score = abs(produced[0]["start"] - reference[0]["start"])
            if score < best_score:
                best_score = score
                best_file, best_file_produced = p, produced

        if best_file is None:
            reasons.append(f"{media.stem}: 产物文件均无法与参考匹配")
            all_pass = False
            continue

        report = align_report(media.stem, True, best_file_produced, reference)
        print("\n" + report.format_summary())
        print(f"  产物文件: {best_file.name}")

        reason = None
        if report.mean_abs_error > TIER1_TOLERANCE_SECONDS:
            reason = (
                f"{media.stem} 平均绝对偏差 {report.mean_abs_error:.2f}s > "
                f"容差 {TIER1_TOLERANCE_SECONDS}s（过早/过晚普遍存在）"
            )
        elif report.consistently_early:
            reason = (
                f"{media.stem} 系统性偏早（中位 {report.bias:+.2f}s < "
                f"-{TIER2_EARLY_SECONDS}s）"
            )
        elif report.consistently_late:
            reason = (
                f"{media.stem} 系统性偏晚（中位 {report.bias:+.2f}s > "
                f"+{TIER2_LATE_SECONDS}s）"
            )
        if reason:
            reasons.append(reason)
            all_pass = False
        else:
            print(f"  对齐正常: {media.stem}")

    # 结论性断言：至少量化捕获到一个"过早/过晚"信号才是"复现成功"。
    assert not all_pass, (
        "流水线产物与参考字幕未捕捉到明显时间不同步：请确认参考时间轴正确、"
        "ALIGN_RESULT_DIR 指向完成后产物文件夹、产物覆盖时段与参考一致。"
    )
    if reasons:
        raise AssertionError(
            "已量化复现字幕时间与说话时间不吻合：\n- " + "\n- ".join(reasons)
        )


def test_alignment_report_helpers() -> None:
    """纯函数冒烟：对齐指标组件（不依赖真实数据，用于验证指标本身）。"""
    produced = [
        {"start": 1.0, "end": 2.0, "text": "a"},
        {"start": 4.0, "end": 5.0, "text": "b"},
    ]
    reference = [
        {"start": 1.0, "end": 2.0, "text": "A"},
        {"start": 4.0, "end": 5.0, "text": "B"},
    ]
    report = align_report("smoke", True, produced, reference)
    assert report.mean_abs_error == 0.0  # 完美对齐时平均绝对偏差为 0
    assert not report.consistently_early
    assert not report.consistently_late
    assert report.bias == 0.0

    # 系统性偏晚：产物起始全部比参考晚 1.5s。
    produced_late = [
        {"start": 2.5, "end": 3.5, "text": "a"},
        {"start": 5.5, "end": 6.5, "text": "b"},
    ]
    report_late = align_report("smoke", True, produced_late, reference)
    assert report_late.consistently_late
    assert report_late.bias > TIER2_LATE_SECONDS

    # 系统性偏早：产物起始全部比参考早 1.5s。
    ref_early = [
        {"start": 2.0, "end": 3.0, "text": "X"},
    ]
    produced_early = [
        {"start": 0.5, "end": 1.5, "text": "a"},
    ]
    report_early = align_report("smoke", True, produced_early, ref_early)
    assert report_early.consistently_early
    assert report_early.bias < -TIER2_EARLY_SECONDS