fix(dub): TTS hỏng thì đọc bằng Edge, không trả cả video tiếng lặng

Test thật trên Space: /voice-preview trả về ĐÚNG 0.4s im lặng tuyệt đối —
là nhánh _silence(0.4) của synth_line, tức OmniVoice ném lỗi ở MỌI câu.
Hai lỗi lộ ra:

1. synth_line nuốt lỗi thành khoảng lặng và KHÔNG log gì. Hỏng 1 câu thì
không sao, nhưng engine hỏng hệ thống (model chưa tải xong, thiếu RAM)
thì cả video câm mà chẳng báo gì. Nay hỏng -> đọc lại bằng Edge TTS
(online, gần như luôn có); chỉ khi Edge cũng hỏng mới trả khoảng lặng.
2. _ensure_preview cache luôn bản câm đó -> giọng thử câm vĩnh viễn kể cả
sau khi model đã chạy được. Nay phát hiện file câm thì xoá + báo lỗi.

Thêm đường chẩn đoán TỪ XA: ghi lỗi gần nhất của từng engine và trả qua
/api/dub/voices (`last_error`) — trên Space không xem log tiện, mà triệu
chứng thì chỉ là "nghe không thấy gì".

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

backend/app/api/dub.py

@@ -86,6 +86,15 @@ def _ensure_preview(lang: str, voice: str) -> str:
         vcfg = tts_svc.VoiceConfig(target_lang=lang, voice_source="preset", preset=voice)
         engine = tts_svc.load_engine(vcfg)
         tts_svc.synth_line(engine, text, out, vcfg)
+        # KHÔNG cache một bản câm: TTS hỏng thì synth_line trả khoảng lặng, cache
+        # lại là giọng thử đó câm vĩnh viễn kể cả sau khi model đã chạy được.
+        if tts_svc.is_silent_wav(out):
+            err = tts_svc.last_error(tts_svc.pick_engine(vcfg)) or "không rõ nguyên nhân"
+            try:
+                os.remove(out)
+            except OSError:
+                pass
+            raise RuntimeError(f"TTS trả về tiếng lặng ({err})")
     return out
 
 

backend/app/services/dubber/tts.py

@@ -369,6 +369,21 @@ CAN_CLONE = {"vieneu": True, "omni": True, "xtts": True, "edge": False}
 # Cache instance để KHÔNG nạp lại model nặng ở mỗi job (VieNeu/XTTS load 1 lần).
 _INSTANCES: dict[str, TTSEngine] = {}
 
+# Lỗi GẦN NHẤT của từng engine. Trên server (HF Space) không xem log tiện, mà TTS
+# hỏng thì chỉ thấy tiếng lặng -> đưa lỗi ra /api/dub/voices để soi được từ xa.
+_LAST_ERROR: dict[str, str] = {}
+
+
+def _note_error(engine_name: str, exc: BaseException) -> None:
+    import sys
+    msg = f"{type(exc).__name__}: {exc}"
+    _LAST_ERROR[engine_name] = msg[:500]
+    print(f"[tts] engine '{engine_name}' lỗi -> {msg[:300]}", file=sys.stderr)
+
+
+def last_error(engine_name: str = "") -> str:
+    return _LAST_ERROR.get(engine_name, "") if engine_name else ""
+
 
 def load_engine(cfg: VoiceConfig) -> TTSEngine:
     name = pick_engine(cfg)
@@ -383,8 +398,9 @@ def load_engine(cfg: VoiceConfig) -> TTSEngine:
             # (online, nhẹ) để vẫn LỒNG ĐƯỢC tiếng thay vì hỏng cả pipeline.
             if name == "edge":
                 raise
+            _note_error(name, e)
             import sys
-            print(f"[tts] engine '{name}' không nạp được ({e}); dùng Edge TTS thay.",
+            print(f"[tts] engine '{name}' không nạp được; dùng Edge TTS thay.",
                   file=sys.stderr)
             if "edge" not in _INSTANCES:
                 _INSTANCES["edge"] = EdgeTTSEngine()
@@ -431,7 +447,8 @@ def engine_info(lang: str) -> dict:
     name = pick_engine(VoiceConfig(target_lang=lang))
     return {"engine": name,
             "model_label": MODEL_LABELS.get(name, name),
-            "can_clone": bool(CAN_CLONE.get(name, False))}
+            "can_clone": bool(CAN_CLONE.get(name, False)),
+            "last_error": last_error(name)}
 
 
 def list_voices(lang: str, allow_load: bool = False) -> list[dict]:
@@ -454,21 +471,62 @@ def list_voices(lang: str, allow_load: bool = False) -> list[dict]:
                     for (label, vid) in _static_voices(lang, name)]
 
 
+def _run_engine(engine: TTSEngine, text: str, out_wav: str, cfg: VoiceConfig) -> str:
+    engine.synth(text, out_wav, cfg)
+    # Một số wrapper trả về không lỗi nhưng KHÔNG ghi file -> verify để bước sau
+    # (fit_to_slot) không FileNotFound làm vỡ pipeline.
+    if not (os.path.exists(out_wav) and os.path.getsize(out_wav) > 44):
+        raise RuntimeError("engine không ghi ra file wav")
+    return out_wav
+
+
 def synth_line(engine: TTSEngine, text: str, out_wav: str, cfg: VoiceConfig) -> str:
-    """Tổng hợp 1 câu, chịu lỗi: câu rỗng / model không ghi được -> file lặng ngắn."""
+    """Tổng hợp 1 câu, chịu lỗi theo BA NẤC.
+
+    Engine chính hỏng -> ĐỌC LẠI BẰNG EDGE TTS chứ KHÔNG trả khoảng lặng ngay.
+    Trước đây lỗi là nhét im lặng luôn: hỏng đúng 1 câu thì không sao, nhưng
+    engine hỏng HỆ THỐNG (model chưa tải xong, thiếu RAM...) thì mọi câu đều
+    lặng -> cả video câm mà chẳng báo gì. Edge chạy online, gần như luôn có.
+    Chỉ khi Edge cũng hỏng mới chịu trả khoảng lặng để pipeline đi tiếp.
+    """
     if not text.strip():
         _silence(out_wav, 0.2)
         return out_wav
     try:
-        engine.synth(text, out_wav, cfg)
-        # Một số wrapper trả về không lỗi nhưng KHÔNG ghi file -> verify để bước sau
-        # (fit_to_slot) không FileNotFound làm vỡ pipeline.
-        if not (os.path.exists(out_wav) and os.path.getsize(out_wav) > 44):
-            raise RuntimeError("engine không ghi ra file wav")
-        return out_wav
+        return _run_engine(engine, text, out_wav, cfg)
+    except Exception as e:
+        name = pick_engine(cfg)
+        _note_error(name, e)
+        if not isinstance(engine, EdgeTTSEngine):
+            try:
+                return _run_engine(_edge_fallback(), text, out_wav, cfg)
+            except Exception as e2:
+                _note_error("edge", e2)
+    _silence(out_wav, 0.4)                # hết đường -> khoảng lặng, đi tiếp
+    return out_wav
+
+
+def _edge_fallback() -> TTSEngine:
+    """Instance Edge TTS dùng chung để đỡ engine chính lúc hỏng."""
+    if "edge" not in _INSTANCES:
+        _INSTANCES["edge"] = EdgeTTSEngine()
+    return _INSTANCES["edge"]
+
+
+def is_silent_wav(path: str) -> bool:
+    """File WAV có phải LẶNG HOÀN TOÀN không (dấu hiệu TTS hỏng, không phải
+    giọng thật). Dùng để không cache nhầm một bản 'giọng thử' câm."""
+    import wave
+
+    try:
+        with wave.open(path, "rb") as w:
+            if w.getsampwidth() != 2:
+                return False              # không phải 16-bit -> khỏi đoán
+            raw = w.readframes(min(w.getnframes(), 240000))
     except Exception:
-        _silence(out_wav, 0.4)            # lỗi 1 câu -> khoảng lặng, đi tiếp
-        return out_wav
+        return False
+    # PCM 16-bit lặng tuyệt đối = mọi byte đều 0.
+    return len(raw) > 0 and not any(raw)
 
 
 def _silence(out_wav: str, dur: float):

backend/tests/test_dub.py

@@ -362,6 +362,65 @@ def test_omnivoice_clone_gets_ref_text():
         restore()
 
 
+def test_engine_failure_falls_back_to_edge_not_silence():
+    """Engine chính hỏng -> ĐỌC BẰNG EDGE, không được trả cả video tiếng lặng.
+
+    Đây là bẫy thật gặp trên Space: OmniVoice hỏng, synth_line nhét khoảng lặng
+    cho MỌI câu -> video câm mà không báo gì.
+    """
+    import os
+    import tempfile
+
+    d = tempfile.mkdtemp()
+    out = os.path.join(d, "x.wav")
+
+    class Boom(tts.TTSEngine):
+        def synth(self, text, out_wav, cfg):
+            raise RuntimeError("model chưa tải xong")
+
+    used = {}
+
+    class FakeEdge(tts.EdgeTTSEngine):
+        def __init__(self):
+            pass
+
+        def synth(self, text, out_wav, cfg):
+            used["text"] = text
+            tts._silence(out_wav, 1.0)          # coi như đọc ra 1 giây tiếng
+            return out_wav
+
+    old_inst = dict(tts._INSTANCES)
+    tts._INSTANCES["edge"] = FakeEdge()
+    try:
+        cfg = tts.VoiceConfig(target_lang="en", engine="omni", preset="omni:en-f-warm")
+        tts.synth_line(Boom(), "Hello there", out, cfg)
+        assert used.get("text") == "Hello there"        # đã nhờ Edge đọc lại
+        assert os.path.getsize(out) > 44
+        assert "model chưa tải xong" in tts.last_error("omni")   # có ghi lỗi để soi
+    finally:
+        tts._INSTANCES.clear()
+        tts._INSTANCES.update(old_inst)
+        tts._LAST_ERROR.clear()
+
+
+def test_is_silent_wav_detects_dead_tts():
+    """Nhận ra file câm để KHÔNG cache nhầm thành 'giọng thử'."""
+    import os
+    import tempfile
+
+    d = tempfile.mkdtemp()
+    quiet = os.path.join(d, "q.wav")
+    tts._silence(quiet, 0.4)
+    assert tts.is_silent_wav(quiet)
+    loud = make_video(os.path.join(d, "v.mp4"), dur=1.0, with_audio=True)
+    wav = os.path.join(d, "loud.wav")
+    import subprocess
+    subprocess.run([tts.FFMPEG, "-y", "-hide_banner", "-loglevel", "error",
+                    "-i", loud, "-ar", "24000", "-ac", "1", wav],
+                   check=True, capture_output=True)
+    assert not tts.is_silent_wav(wav)
+
+
 def test_edge_ignores_foreign_voice_id():
     """Id giọng của engine khác (vd 'omni:en-f-warm' còn kẹt trong state trình
     duyệt) không được đưa thẳng cho edge-tts — sẽ lỗi cả câu."""