「不正な(Frame)AudioQuery」を定義し、明示的に拒否する

[qryxip]

内容

現在VOICEVOX COREにこのようなAudioQueryを与えると、内部の添字アクセスのとこなどでRustのパニックが起きます。
(VOICEVOX ENGINEも同様で、例外がそのまま500 Internal Server Errorになるという記憶)

• consonantとconsonant_lengthの有無が一致していない
• accent位置がモーラ数を超過している
• 音素が不正 (これについては、Phoneme型を導入すればいいはずではある)
• 浮動小数点数が負やNaN (これも同様にnewtypeにすればよいはずだが、利便性を損いそう)
• 他にも色々あるかも

これらの不正な状態を早い段階で検知し、InvalidAudioQueryErrorのようなエラーをユーザーに返します。

ソング機能 (#1073)におけるFrameAudioQueryおよびScoreと合わせて考えたいです。

Pros 良くなる点

• UXの向上。ユーザーがAudioQueryを編集したときに体験を損ねずにすむ。

Cons 悪くなる点

実現方法

VOICEVOX COREの内部で、次のうちどちらかを行う。

1. AudioQueryなどにfn validate(&self) -> anyhow::Result<()>を生やし、その"validate"を信頼する。
2. NormalizedAudioQueryのようなものを考える。

RustのようなParse, don't validateの文化だと、パブリックにValidatedAudioQueryみたいなのを用意した方がよいかもしれない。

VOICEVOXのバージョン

OSの種類/ディストリ/バージョン

• Windows
• macOS
• Linux
• Android
• iOS

その他

#762 の実装がまだなので、output_sampling_rateが24kHzの倍数じゃないのもまずそう。

[Hiroshiba]

良さそうに思いました！！
目的を整理すると「わかりやすいエラーを返してたげたい」とかになりそう。