开发

开发#

项目结构#

audio2face/
├── apis/                    # 流式API实现
├── data_structures/         # 核心数据模型和Protocol Buffers
├── infer/                   # 推理引擎（ONNX和PyTorch）
├── postprocess/             # 后处理模块和流水线
├── service/                 # FastAPI服务器和错误处理
├── split/                   # 音频分割和分段
├── utils/                   # 工具函数和基类
└── tests/                   # 全面测试套件

测试#

项目包含使用pytest和异步测试支持的全面测试。在运行测试之前，您需要准备测试输入数据。

测试数据准备#

下载所需的测试文件并将其组织到正确的目录结构中：

  1. 创建测试输入目录：

    mkdir -p input

  2. 下载测试文件：

    • 测试音频： test_audio.wav - 下载并保存到 input/test_audio.wav

    • 测试特征： test_feature.npy - 下载并保存到 input/test_feature.npy

  3. 确保weights目录存在：

    mkdir -p weights

    确保您有ONNX模型文件 weights/unitalker_v0.4.0_base.onnx（请参见数据准备部分）。

  4. 最终目录结构应为：

    ├─audio2face
├─configs
├─docs
├─input
│  ├─test_audio.wav
│  └─test_feature.npy
└─weights
   └─unitalker_v0.4.0_base.onnx

运行测试#

# 运行所有测试
pytest tests --log-cli-level=ERROR

# 运行特定测试类别
pytest tests/apis/           # API功能测试
pytest tests/infer/          # 推理引擎测试
pytest tests/postprocess/    # 后处理模块测试
pytest tests/data_structures/ # 数据结构测试

测试覆盖#

  • API测试：流式API功能

  • 推理测试：ONNX Unitalker和PyTorch特征提取器验证

  • 后处理测试：所有后处理模块的各种配置

  • 数据结构测试：FaceClip类功能和格式转换

代码质量#

项目通过以下方式保持高代码质量：

  • 代码检查：使用Ruff进行代码风格和质量检查

  • 类型提示：完整的类型注解支持

  • CI/CD：自动化测试和部署管道

Contents