PerformInferenceをeasy-extでの実装にする

crates/voicevox_core/src/synthesizer.rs

@@ -833,67 +833,6 @@ mod inner {
         }
     }
 
-    // TODO: `mod blocking`に移動する
-    pub trait PerformInference {
-        /// `predict_duration`を実行する。
-        ///
-        /// # Performance
-        ///
-        /// CPU-boundな操作であるため、非同期ランタイム上では直接実行されるべきではない。
-        fn predict_duration(&self, phoneme_vector: &[i64], style_id: StyleId) -> Result<Vec<f32>>;
-
-        /// `predict_intonation`を実行する。
-        ///
-        /// # Performance
-        ///
-        /// CPU-boundな操作であるため、非同期ランタイム上では直接実行されるべきではない。
-        #[expect(
-            clippy::too_many_arguments,
-            reason = "compatible_engineでの`predict_intonation`の形を考えると、ここの引数を構造体に\
-                      まとめたりしても可読性に寄与しない"
-        )]
-        fn predict_intonation(
-            &self,
-            length: usize,
-            vowel_phoneme_vector: &[i64],
-            consonant_phoneme_vector: &[i64],
-            start_accent_vector: &[i64],
-            end_accent_vector: &[i64],
-            start_accent_phrase_vector: &[i64],
-            end_accent_phrase_vector: &[i64],
-            style_id: StyleId,
-        ) -> Result<Vec<f32>>;
-
-        fn generate_full_intermediate(
-            &self,
-            length: usize,
-            phoneme_size: usize,
-            f0: &[f32],
-            phoneme_vector: &[f32],
-            style_id: StyleId,
-        ) -> Result<ndarray::Array2<f32>>;
-
-        fn render_audio_segment(
-            &self,
-            spec: ndarray::Array2<f32>,
-            style_id: StyleId,
-        ) -> Result<ndarray::Array1<f32>>;
-
-        /// `decode`を実行する。
-        ///
-        /// # Performance
-        ///
-        /// CPU/GPU-boundな操作であるため、非同期ランタイム上では直接実行されるべきではない。
-        fn decode(
-            &self,
-            length: usize,
-            phoneme_size: usize,
-            f0: &[f32],
-            phoneme_vector: &[f32],
-            style_id: StyleId,
-        ) -> Result<Vec<f32>>;
-    }
-
     impl<O, A: AsyncForOnnxruntime> Inner<O, A> {
         pub(super) async fn predict_duration(
             &self,
@@ -991,8 +930,8 @@ mod inner {
         }
     }
 
-    // CPU/GPU-bound
     impl<R: InferenceRuntime> Status<R> {
+        /// CPU-boundな操作なので、非同期ランタイム上では直接実行されるべきではない。
         fn predict_duration(
             &self,
             phoneme_vector: ndarray::Array1<i64>,
@@ -1022,6 +961,7 @@ mod inner {
             const PHONEME_LENGTH_MINIMAL: f32 = 0.01;
         }
 
+        /// CPU-boundな操作なので、非同期ランタイム上では直接実行されるべきではない。
         #[expect(
             clippy::too_many_arguments,
             reason = "compatible_engineでの`predict_intonation`の形を考えると、ここの引数を構造体に\
@@ -1057,6 +997,7 @@ mod inner {
             Ok(output.into_raw_vec())
         }
 
+        /// CPU-boundな操作なので、非同期ランタイム上では直接実行されるべきではない。
         fn generate_full_intermediate(
             &self,
             length: usize,
@@ -1078,6 +1019,7 @@ mod inner {
             Ok(spec)
         }
 
+        /// CPU/GPU-boundな操作なので、非同期ランタイム上では直接実行されるべきではない。
         fn render_audio_segment(
             &self,
             spec: ndarray::Array2<f32>,
@@ -1089,6 +1031,7 @@ mod inner {
             Ok(wave)
         }
 
+        /// CPU/GPU-boundな操作なので、非同期ランタイム上では直接実行されるべきではない。
         fn decode(
             &self,
             length: usize,
@@ -1246,15 +1189,22 @@ mod inner {
     }
 }
 
+#[expect(
+    clippy::too_many_arguments,
+    reason = "`PerformInference::predict_intonation`用。compatible_engineでの`predict_intonation`の\
+              形を考えると、ここの引数を構造体にまとめたりしても可読性に寄与しない"
+)]
 pub(crate) mod blocking {
+    use easy_ext::ext;
+
     use crate::{
         asyncs::SingleTasked, future::FutureExt as _, AccentPhrase, AudioQuery,
         FullcontextExtractor, StyleId, VoiceModelId, VoiceModelMeta,
     };
 
     use super::{inner::Inner, InitializeOptions, SynthesisOptions, TtsOptions};
 
-    pub use super::inner::{AudioFeature, PerformInference};
+    pub use super::inner::AudioFeature;
 
     /// 音声シンセサイザ。
     pub struct Synthesizer<O>(pub(super) Inner<O, SingleTasked>);
@@ -1564,16 +1514,17 @@ pub(crate) mod blocking {
         }
     }
 
-    impl<O> PerformInference for self::Synthesizer<O> {
-        fn predict_duration(
+    #[ext(PerformInference)]
+    impl self::Synthesizer<()> {
+        pub fn predict_duration(
             &self,
             phoneme_vector: &[i64],
             style_id: StyleId,
         ) -> crate::Result<Vec<f32>> {
             self.0.predict_duration(phoneme_vector, style_id).block_on()
         }
 
-        fn predict_intonation(
+        pub fn predict_intonation(
             &self,
             length: usize,
             vowel_phoneme_vector: &[i64],
@@ -1598,7 +1549,7 @@ pub(crate) mod blocking {
                 .block_on()
         }
 
-        fn generate_full_intermediate(
+        pub fn generate_full_intermediate(
             &self,
             length: usize,
             phoneme_size: usize,
@@ -1611,15 +1562,15 @@ pub(crate) mod blocking {
                 .block_on()
         }
 
-        fn render_audio_segment(
+        pub fn render_audio_segment(
             &self,
             spec: ndarray::Array2<f32>,
             style_id: StyleId,
         ) -> crate::Result<ndarray::Array1<f32>> {
             self.0.render_audio_segment(spec, style_id).block_on()
         }
 
-        fn decode(
+        pub fn decode(
             &self,
             length: usize,
             phoneme_size: usize,