Chaque revendication du rapport de travaux a été confrontée au code réel et, quand c'était possible, à une exécution (tests, serveur lancé pour de vrai, SDK Supertonic 1.3.1 téléchargé depuis PyPI, logique JS exécutée sous Node 22). Date : 2026-08-12 — commit
0707391+ correctifs de cette session.Verdict global : 15 revendications confirmées, 1 nuancée, 1 non mesurable, et 1 vrai bug découvert puis corrigé pendant la vérification.
| # | Revendication | Statut | Preuve |
|---|---|---|---|
| S1 | Écriture de fichier arbitraire sur /api/upload_voice |
✅ corrigé | Nom rejeté s'il contient /, \ ou .. ; whitelist SAFE_VOICE_NAME ; écriture confinée via safe_voice_path ; JSON validé avant écriture. Testé en vrai : filename=../../pwned.json → HTTP 400, aucun fichier créé. Tests : test_upload_rejette_la_traversee_de_repertoire + 7 noms dangereux paramétrés + test de confinement. |
| S2 | Absence de protection CSRF | ✅ corrigé | Middleware csrf_guard sur toutes les méthodes non-GET. Testé en vrai : POST /api/clear avec Origin: https://evil.example.com → HTTP 403. Tests dédiés (refus externe, acceptation locale). |
| S3 | Configuration non validée | ✅ corrigé | Schéma Pydantic complet (bornes, enums, chemins). Testé en vrai : temperature: 5 → 400 ; custom_style_path: /etc/passwd → 400. Bonus vérifié : la clé API n'est jamais renvoyée (api_key: "", drapeau api_key_set: true). |
| # | Revendication | Statut | Preuve |
|---|---|---|---|
| B1 | Modèle Whisper ne se rechargeait pas | ✅ | ASR.invalidate_if_changed compare une signature (model_size, device, compute_type) et décharge le modèle. Test test_changer_le_modele_asr_decharge_le_modele. |
| B2 | Boucle d'événements gelée | ✅ | run_in_threadpool sur chat_text / chat_audio / tts_test ; le streaming passe par un thread + asyncio.Queue. |
| B3 | Collisions sur reply.wav |
✅ | Noms uniques uuid4. Test test_noms_audio_uniques : 5 requêtes → 5 URLs distinctes, toutes servies. |
| B4 | Fichiers temporaires jamais supprimés | ✅ | finally: in_path.unlink(missing_ok=True) + purge TTL 30 min. Tests dédiés (suppression d'entrée, purge). |
| B5 | Historique non borné | ✅ | Fenêtre glissante max_history_turns dans chat et chat_stream. Test : 50 messages → 1 système + 6 envoyés. |
| B6 | Échec TTS perdait la réponse texte | ✅ | _respond renvoie un succès partiel (audio=None, tts_error). Test dédié. |
| B7 | — (cohérence concurrence) | ✅ | Bonus vérifié : verrou global, test test_historique_partage_serialise (alternance stricte user/assistant sous 4 requêtes parallèles). |
Le package supertonic-1.3.1 a été téléchargé depuis PyPI et inspecté :
| # | Revendication | Statut | Preuve |
|---|---|---|---|
| F1 | list_voices() ne pouvait pas fonctionner |
✅ confirmé | Le SDK publie voice_style_names (attribut, pipeline.py:132 du SDK) — pas de méthode list_voices(). Le code de VoxTria tente voice_style_names en premier : correct. Également vérifié au passage : get_voice_style(voice_name=...), get_voice_style_from_path(...) et la signature réelle de synthesize (total_steps, speed, silence_duration, lang existent tous) et son retour en tuple (le code prend result[0] : correct). |
| F2 | Balises <laugh> non supportées par le SDK |
✅ confirmé | Aucune occurrence de laugh/sigh/breath dans le source du SDK : les balises seraient lues littéralement. Le nettoyage strip_expression_tags est donc justifié (10 cas paramétrés, dont <LAUGH>, </laugh>, <laugh/>). |
| # | Revendication | Statut | Preuve |
|---|---|---|---|
| I1 | static/index.html reconstruit (il était absent) |
✅ | 879 lignes présentes, GET / → 200 en vrai. |
| I2 | Syntaxe JS validée | ✅ rejoué | Extraction du <script> (633 lignes) → node --check : OK. |
| I3 | Cohérence des endpoints | ✅ rejoué | Les 9 routes appelées par le JS (chat_text, chat_stream, chat_audio, clear, config, models, tts_test, upload_voice, voices + voices/{name}) existent toutes côté serveur. Les URLs audio proviennent du serveur (/api/audio/{name}). |
| I4 | « Logique VAD extraite et exercée sous Node » | Aucun artefact de test Node n'est versionné : la validation d'alors a été faite en session puis perdue (le README la présente pourtant au présent comme une couverture de tests). Rejouée pendant cette vérification avec 5 scénarios synthétiques : parole→silence ⇒ coupure à +1 s ; parole continue ⇒ plafond 30 s ; souffle sous le seuil ⇒ jamais « de la parole » ; silence total ⇒ pas d'envoi ; pic bref ⇒ coupure après le silence. La logique est correcte, mais l'affirmation « les tests couvrent la VAD » reste fausse au sens « tests versionnés ». |
| # | Revendication | Statut | Preuve |
|---|---|---|---|
| T1 | Découpage qui ne coupe pas sur 3.5 ni M. Dupont |
✅ exécuté | split_sentences("Le taux est 3.5, pas 4.") → aucune coupe ; idem M., etc., initiales. Flux "3." + "5 sur 20. " en deux morceaux → recombiné correctement. Et ces cas sont désormais des tests versionnés (ils n'existaient pas avant cette vérification). |
| T2 | Endpoint SSE /api/chat_stream |
✅ | Présent, format data: {…} vérifié par un nouveau test direct (delta → sentence → done, conversion audio → audio_url). |
| T3 | File d'attente audio côté UI | ✅ logique relue | audioQueue / drainQueue : enchaînement sans chevauchement, échec de lecture non bloquant. Non testable sans navigateur. |
| T4 | « Premier son à ~0,2 s au lieu de ~1,5 s » | ⏱️ non mesurable ici | Exigerait les vrais modèles (ASR/TTS) chargés. Le mécanisme (synthèse dès la première phrase) existe et est bon ; le chiffre précis reste une affirmation de la session précédente. |
split_sentences("« Bonjour. » dit-il. ") renvoyait ['« Bonjour.', '» dit-il.'] :
la typographie française met une espace avant le fermant, que le code
n'absorbait pas — guillemets orphelins des deux côtés, mal prononcés par le TTS.
Deux mécanismes ajoutés dans pipeline.py :
- absorption des fermants après espaces (
« Bonjour. »→ coupure après le») ; - citation non refermée : une phrase contenant un « ou " non fermé n'est pas
émise (le
»peut arriver dans le morceau suivant) — avec le garde-foumax_lenqui force l'émission si le LLM n'a jamais refermé.
18 nouveaux tests ont couvert ces cas (dont les citations multi-phrases et le
flux morcelé). Suite complète : 78 → 96 tests, tous verts, ruff propre.
Hors périmètre du code (blocages plateforme de l'époque) : rien à vérifier.
| Action | Fichier |
|---|---|
| Bug guillemets français corrigé + règle « citation non refermée » | pipeline.py |
17 tests split_sentences (la fonction critique n'en avait aucun, contrairement à ce que dit le README) |
tests/test_pipeline.py |
| 1 test direct de l'endpoint SSE | tests/test_api.py |
| README resynchronisé (96 tests, couverture réelle) | README.md |
clone_voice.py:REPO_REF = "main"ec5325e(résolu au SHA demainau 2026-08-12), checkout idempotent.- Producteur SSE non annulé à la déconnexion → corrigé : drapeau
stop+gen.close()(libère le verrou sans attendre le GC) + purge systématique, test dédié de déconnexion précoce. - CI : activation tentée mais refusée par GitHub (
remote rejected: without workflows permission, 2026-08-12) — le workflow reste prêt dansci/; un push depuis un token avec le scopeworkflowsl'activera. - Pas de test navigateur (VAD + queue audio relus mais exercés sous Node uniquement de façon ponctuelle) — toujours ouvert.
Après la vérification, une passe offensive supplémentaire (fuzz aléatoire, corps de requêtes mal typés, relecture du SDK téléchargé) a trouvé — puis corrigé — trois problèmes supplémentaires :
| # | Trouvaille | Gravité | Correctif |
|---|---|---|---|
| 8.1 | Listes numérotées : « 1. Premier point. » envoyait « 1. » seul au TTS (prononcé « un » isolément). La règle « initiale isolée » ne couvrait que les lettres. |
🟠 qualité audio | Un chiffre ≤ 2 n'ouvre une coupure que s'il termine la phrase (« Tu as 20. » coupe ; « 1. … » non). |
| 8.2 | 500 opaques au lieu de 400 : chat_text/chat_stream avec {"text": 42} → AttributeError sur .strip() ; tts_test avec total_steps: "abc" ou text: 42 → 500. |
🟡 robustesse API | Validation explicite + messages 400 lisibles (_message_text, coercion bornée). |
| 8.3 | Passthrough non assaini vers le SDK : tts_test?voice= était transmis tel quel à get_voice_style(), qui résout model_dir/voice_styles/f"{name}.json" sans validation dans supertonic 1.3.1 → lecture d'un .json arbitraire via ../../. Local uniquement, faible impact (le contenu devient un style vocal, jamais renvoyé), mais incohérent avec le durcissement appliqué partout ailleurs. |
🟡 sécurité (défense en profondeur) | voice doit correspondre à VOICE_RE (preset ou custom[:nom]), comme dans la config validée. |
Vérifié sain au passage : fuzz de split_sentences (8 000 cas aléatoires,
aucun crash, aucune perte de texte) et /api/config avec corps liste/chaîne
→ 422 propre via FastAPI.
Suite après seconde chasse : 104 tests, tous verts, ruff propre.