From b111124e399932519745b0e4f7422f0fed353910 Mon Sep 17 00:00:00 2001 From: liwei1dao Date: Sat, 27 Jun 2026 09:47:32 +0800 Subject: [PATCH] =?UTF-8?q?=E4=BC=98=E5=8C=96=E6=8E=A5=E5=8A=9B=E9=80=9A?= =?UTF-8?q?=E8=AF=9D=E6=95=88=E6=9E=9C?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- .../controllers/devices_controller.dart | 137 +++++++++++++++++- lib/modules/devices/views/devices_view.dart | 35 ++++- .../azure_speech/AliyunBailianE2EHelper.kt | 45 +++++- .../azure_speech/DoubaoE2ETranslateHelper.kt | 47 ++++-- .../runtime/JieliAITranslationBridge.kt | 54 ++++++- 5 files changed, 287 insertions(+), 31 deletions(-) diff --git a/lib/modules/devices/controllers/devices_controller.dart b/lib/modules/devices/controllers/devices_controller.dart index 309207cbe..a079de285 100644 --- a/lib/modules/devices/controllers/devices_controller.dart +++ b/lib/modules/devices/controllers/devices_controller.dart @@ -1,8 +1,10 @@ import 'dart:async'; import 'dart:io'; +import 'package:app_settings/app_settings.dart'; import 'package:device_jieli/device_jieli.dart'; import 'package:flutter/material.dart'; +import 'package:flutter_blue_plus/flutter_blue_plus.dart' as fbp; import 'package:flutter_screenutil/flutter_screenutil.dart'; import 'package:get/get.dart'; import 'package:permission_handler/permission_handler.dart'; @@ -37,24 +39,68 @@ class DevicesController extends GetxController { /// 直接读 user 对象不响应式，所以加一个 tick。 final RxInt boundDevicesTick = 0.obs; + /// 蓝牙适配器是否已开启（用于 UI 提示）。 + final RxBool isBluetoothOn = true.obs; + + /// 蓝牙开关状态监听。 + StreamSubscription? _adapterStateSub; + @override void onInit() { super.onInit(); _bleManager = Get.find(); - Future.microtask(startScan); + _init(); } @override void onClose() { + _adapterStateSub?.cancel(); _bleManager.stopScan(); super.onClose(); } + Future _init() async { + // 1. 已存在已连接的设备 → 不进扫描流程，直接进入主界面。 + try { + if (await _bleManager.hasActiveConnection()) { + Logger.i(_tag, '已存在已连接设备，直接进入主界面'); + Get.offAllNamed(Routes.home); + return; + } + } catch (e) { + Logger.w(_tag, '检查已连接设备失败: $e'); + } + // 2. 监听蓝牙开关：关闭→停扫并刷新提示；从关到开→自动重新扫描。 + _listenAdapterState(); + // 3. 开始扫描（内部包含蓝牙开关 / 权限检查与引导）。 + await startScan(); + } + + void _listenAdapterState() { + _adapterStateSub?.cancel(); + _adapterStateSub = fbp.FlutterBluePlus.adapterState.listen((state) { + final on = state == fbp.BluetoothAdapterState.on; + final wasOn = isBluetoothOn.value; + isBluetoothOn.value = on; + if (!on) { + _bleManager.stopScan(); + } else if (!wasOn && !isScanning.value) { + // 蓝牙刚被打开 → 自动重新扫描。 + startScan(); + } + }); + } + Future startScan() async { Logger.i(_tag, 'startScan 被调用'); - final granted = await _ensureBluetoothPermission(); - if (!granted) { - Get.snackbar('tip'.tr, 'pleaseGrantBluetoothPermission'.tr); + // 1. 蓝牙是否开启，未开启则弹引导对话框。 + if (!await _ensureBluetoothOn()) { + Logger.w(_tag, '蓝牙未开启，已弹出开启引导'); + return; + } + // 2. 蓝牙相关权限，未授权则弹引导对话框。 + if (!await _ensureBluetoothPermission()) { + Logger.w(_tag, '蓝牙权限不足，已弹出权限引导'); return; } final uuids = @@ -310,6 +356,60 @@ class DevicesController extends GetxController { _bleManager.currentDeviceAddress == device.address; } + /// 检查蓝牙是否开启。未开启则弹出引导对话框（Android 可直接开启， + /// iOS 引导去系统设置），并返回 false。 + Future _ensureBluetoothOn() async { + var state = fbp.FlutterBluePlus.adapterStateNow; + // 首帧可能还是 unknown，等首个确定状态（带超时兜底）。 + if (state == fbp.BluetoothAdapterState.unknown) { + try { + state = await fbp.FlutterBluePlus.adapterState + .firstWhere((s) => s != fbp.BluetoothAdapterState.unknown) + .timeout(const Duration(seconds: 2)); + } catch (_) { + state = fbp.FlutterBluePlus.adapterStateNow; + } + } + isBluetoothOn.value = state == fbp.BluetoothAdapterState.on; + if (isBluetoothOn.value) return true; + _showEnableBluetoothDialog(); + return false; + } + + void _showEnableBluetoothDialog() { + if (Get.isDialogOpen ?? false) return; + Get.dialog( + AlertDialog( + title: Text('needEnableBluetooth'.tr), + content: Text('enableBluetoothDialogContent'.tr), + actions: [ + TextButton( + onPressed: () => Get.back(), + child: Text('cancel'.tr), + ), + TextButton( + onPressed: () async { + Get.back(); + // Android 可直接请求系统开启蓝牙；iOS 不允许，引导去系统设置。 + if (Platform.isAndroid) { + try { + await fbp.FlutterBluePlus.turnOn(); + return; + } catch (e) { + Logger.w(_tag, 'turnOn 失败，转去系统蓝牙设置: $e'); + } + } + await AppSettings.openAppSettings( + type: AppSettingsType.bluetooth); + }, + child: Text('enableBluetooth'.tr), + ), + ], + ), + barrierDismissible: false, + ); + } + Future _ensureBluetoothPermission() async { // iOS: CoreBluetooth 首次扫描时由系统自动弹出蓝牙权限对话框 // (依赖 Info.plist 的 NSBluetoothAlwaysUsageDescription)， @@ -324,10 +424,37 @@ class DevicesController extends GetxController { ].request(); final scanOk = results[Permission.bluetoothScan]?.isGranted ?? false; final connectOk = results[Permission.bluetoothConnect]?.isGranted ?? false; - return scanOk && connectOk; + if (scanOk && connectOk) return true; + // 被拒（含永久拒绝）→ 弹引导对话框，带用户去系统设置手动开启。 + _showPermissionDialog(); + return false; } catch (e) { Logger.error('请求蓝牙权限失败: $e'); return false; } } + + void _showPermissionDialog() { + if (Get.isDialogOpen ?? false) return; + Get.dialog( + AlertDialog( + title: Text('needPermission'.tr), + content: Text('blePermissionDialogContent'.tr), + actions: [ + TextButton( + onPressed: () => Get.back(), + child: Text('cancel'.tr), + ), + TextButton( + onPressed: () { + Get.back(); + AppSettings.openAppSettings(); + }, + child: Text('goToSettings'.tr), + ), + ], + ), + barrierDismissible: false, + ); + } } diff --git a/lib/modules/devices/views/devices_view.dart b/lib/modules/devices/views/devices_view.dart index a5c138f7f..de197ea38 100644 --- a/lib/modules/devices/views/devices_view.dart +++ b/lib/modules/devices/views/devices_view.dart @@ -92,6 +92,16 @@ class _DevicesViewState extends State _buildScanAnimation(isDark), SizedBox(height: 16.h), Obx(() { + if (!controller.isBluetoothOn.value) { + return Text( + 'pleaseEnableBluetooth'.tr, + style: TextStyle( + fontSize: 14.sp, + fontWeight: FontWeight.w600, + color: const Color(0xFFFF9500), + ), + ); + } final scanning = controller.isScanning.value; return Text( scanning ? 'scanning'.tr : 'scanIdle'.tr, @@ -457,19 +467,36 @@ class _DevicesViewState extends State return Padding( padding: EdgeInsets.fromLTRB(24.w, 12.h, 24.w, 20.h), child: Obx(() { + final bluetoothOff = !controller.isBluetoothOn.value; final scanning = controller.isScanning.value; + final IconData icon; + final String label; + if (bluetoothOff) { + icon = Icons.bluetooth_disabled; + label = 'enableBluetooth'.tr; + } else if (scanning) { + icon = Icons.stop; + label = 'stopScan'.tr; + } else { + icon = Icons.refresh; + label = 'startScan'.tr; + } return SizedBox( width: double.infinity, height: 48.h, child: ElevatedButton.icon( - onPressed: scanning ? controller.stopScan : controller.startScan, - icon: Icon(scanning ? Icons.stop : Icons.refresh, size: 18.sp), + onPressed: (!bluetoothOff && scanning) + ? controller.stopScan + : controller.startScan, + icon: Icon(icon, size: 18.sp), label: Text( - scanning ? 'stopScan'.tr : 'startScan'.tr, + label, style: TextStyle(fontSize: 14.sp, fontWeight: FontWeight.w600), ), style: ElevatedButton.styleFrom( - backgroundColor: const Color(0xFF0066CC), + backgroundColor: bluetoothOff + ? const Color(0xFFFF9500) + : const Color(0xFF0066CC), foregroundColor: Colors.white, shape: RoundedRectangleBorder( borderRadius: BorderRadius.circular(14.r), diff --git a/local_plugins/azure_speech/android/src/main/kotlin/com/yunqiinnovation/azure_speech/AliyunBailianE2EHelper.kt b/local_plugins/azure_speech/android/src/main/kotlin/com/yunqiinnovation/azure_speech/AliyunBailianE2EHelper.kt index 69fd4b874..755827f84 100644 --- a/local_plugins/azure_speech/android/src/main/kotlin/com/yunqiinnovation/azure_speech/AliyunBailianE2EHelper.kt +++ b/local_plugins/azure_speech/android/src/main/kotlin/com/yunqiinnovation/azure_speech/AliyunBailianE2EHelper.kt @@ -78,6 +78,16 @@ class AliyunBailianE2EHelper( private var webSocket: WebSocket? = null private var sessionId: String = "" + // 字幕段独立序号：source / translation 各自累加（同 DoubaoE2ETranslateHelper 的修复）。 + // 整条会话共用一个 sessionId，若直接拿它当 utteranceId，Flutter 端无法区分句子，连续语音下会 + // 出现原文/译文跨句错位、迟到译文单独成泡。这里给每段 source/translation 各自计数，第 K 段 + // source 与第 K 段 translation 对应同一句话 → 用 "$sessionId#$K" 作为该句唯一 utteranceId。 + // 实时协议无显式段起始事件，用 active 标志在每段首个 partial 时自增、在 final 时复位。 + private var srcSubtitleSeq = 0 + private var tgtSubtitleSeq = 0 + private var srcSegActive = false + private var tgtSegActive = false + // 用于累积文本，以便在结束时返回完整内容 private val fullTextBuffer = StringBuilder() // 用于累积音频 @@ -143,8 +153,13 @@ class AliyunBailianE2EHelper( if (isStarted.get()) return true sessionId = UUID.randomUUID().toString() + // 新会话：字幕段序号与段活跃标志归零 + srcSubtitleSeq = 0 + tgtSubtitleSeq = 0 + srcSegActive = false + tgtSegActive = false Log.d(TAG, "startContinuousConversation: sessionId=${sessionId}") - + recvTextBuffer.setLength(0) fullTextBuffer.setLength(0) fullAudioBuffer.reset() @@ -348,8 +363,13 @@ class AliyunBailianE2EHelper( "conversation.item.input_audio_transcription.text" -> { val txt = json.optString("text", "") if (txt.isNotEmpty()) { + // 新源段首个 partial：分配新的源段序号 + if (!srcSegActive) { + srcSubtitleSeq++ + srcSegActive = true + } Log.d(TAG, "onPartialSourceText: $txt") - callback?.onPartialSourceText(sessionId, txt) + callback?.onPartialSourceText("$sessionId#$srcSubtitleSeq", txt) } } // 源语言识别结果 (Final) @@ -373,28 +393,39 @@ class AliyunBailianE2EHelper( } if (finalTxt.isNotEmpty()) { + // 该源段无 partial 时（直接 completed）也要保证序号推进，避免与上一段共用 id + if (!srcSegActive) srcSubtitleSeq++ Log.d(TAG, "sessionId: ${sessionId}, onFinalSourceText: $finalTxt") - callback?.onFinalSourceText(sessionId, finalTxt) + callback?.onFinalSourceText("$sessionId#$srcSubtitleSeq", finalTxt) } + srcSegActive = false } // 翻译/生成结果 (Partial Text) "response.audio_transcript.delta" -> { val delta = json.optString("delta", "") if (delta.isNotEmpty()) { + // 新译段首个 delta：分配新的译段序号 + if (!tgtSegActive) { + tgtSubtitleSeq++ + tgtSegActive = true + } recvTextBuffer.append(delta) Log.d(TAG, "onPartialText: $delta") - callback?.onPartialText(sessionId, delta) + callback?.onPartialText("$sessionId#$tgtSubtitleSeq", delta) } } - + // 翻译/生成结果 (Final Text) "response.audio_transcript.done" -> { val transcript = json.optString("transcript", "") val finalText = if (transcript.isNotEmpty()) transcript else recvTextBuffer.toString() + // 该译段无 delta 时也要保证序号推进 + if (!tgtSegActive) tgtSubtitleSeq++ Log.d(TAG, "sessionId: ${sessionId}, onFinalTranslatedText: $finalText") - callback?.onFinalTranslatedText(sessionId, finalText) - + callback?.onFinalTranslatedText("$sessionId#$tgtSubtitleSeq", finalText) + tgtSegActive = false + if (fullTextBuffer.isNotEmpty()) fullTextBuffer.append(" ") fullTextBuffer.append(finalText) recvTextBuffer.setLength(0) diff --git a/local_plugins/azure_speech/android/src/main/kotlin/com/yunqiinnovation/azure_speech/DoubaoE2ETranslateHelper.kt b/local_plugins/azure_speech/android/src/main/kotlin/com/yunqiinnovation/azure_speech/DoubaoE2ETranslateHelper.kt index e583bec92..b36eedd2c 100644 --- a/local_plugins/azure_speech/android/src/main/kotlin/com/yunqiinnovation/azure_speech/DoubaoE2ETranslateHelper.kt +++ b/local_plugins/azure_speech/android/src/main/kotlin/com/yunqiinnovation/azure_speech/DoubaoE2ETranslateHelper.kt @@ -96,6 +96,16 @@ class DoubaoE2ETranslateHelper( private val recvText = mutableListOf() private val recvSourceText = mutableListOf() + // 字幕段独立序号：source / translation 各自累加。 + // 服务端在同一条 WS 会话(sessionId)上按顺序 1:1 产出 source/translation 段，但整条会话共用一个 + // sessionId。若直接拿 sessionId 当 utteranceId 传给 Flutter，上层无法区分不同句子，只能靠 + // “最后一个未完成 item” 配对，连续语音下会出现：上一句译文晚到时被下一句源文覆盖、原文/译文 + // 跨句错位、迟到译文单独成泡（无原文）。 + // 这里给每段 source/translation 各自计数，第 K 段 source 与第 K 段 translation 对应同一句话， + // 故用 "$sessionId#$K" 作为该句唯一 utteranceId（即使源/译段交错下发也能正确配对）。 + private var srcSubtitleSeq = 0 + private var tgtSubtitleSeq = 0 + private var audioChunkBuffer = ByteArray(0) private val isStarted = AtomicBoolean(false) @@ -177,9 +187,13 @@ class DoubaoE2ETranslateHelper( synchronized(sessionLock) { sessionId = UUID.randomUUID().toString() + // 新会话：字幕段序号归零（sessionId 也已变化，组合 id 不会与上次会话冲突） + srcSubtitleSeq = 0 + tgtSubtitleSeq = 0 Log.d(TAG, "startContinuousTranslation: sessionId=${sessionId}") recvAudio.reset() recvText.clear() + recvSourceText.clear() } val connId = UUID.randomUUID().toString() @@ -313,35 +327,44 @@ class DoubaoE2ETranslateHelper( Log.d(TAG, "onMessage: partial audio appended size=${data.size}") processAudioChunk(data) } + // 段边界事件（Start）不带文本（textLen=0），必须在 text 判空之前处理： + // 每个 SourceSubtitleStart / TranslationSubtitleStart 各自累加段序号并清空累积缓冲， + // 避免源/译段交错下发时跨段串文，并为该段事件分配唯一 utteranceId。 + when (event) { + Type.SourceSubtitleStart -> { + srcSubtitleSeq++ + recvSourceText.clear() + Log.d(TAG, "onMessage: SourceSubtitleStart seq=$srcSubtitleSeq") + } + Type.TranslationSubtitleStart -> { + tgtSubtitleSeq++ + recvText.clear() + Log.d(TAG, "onMessage: TranslationSubtitleStart seq=$tgtSubtitleSeq") + } + else -> {} + } + if (!text.isNullOrBlank()) { when (event) { - Type.SourceSubtitleStart -> { - Log.d(TAG, "onMessage: SourceSubtitleStart") - recvSourceText.clear() - } Type.SourceSubtitleResponse -> { Log.d(TAG, "onMessage: SourceSubtitleResponse text='${text}'") recvSourceText.add(text) - callback?.onPartialSourceText(sessionId, recvSourceText.joinToString(" ")) + callback?.onPartialSourceText("$sessionId#$srcSubtitleSeq", recvSourceText.joinToString(" ")) } Type.SourceSubtitleEnd -> { Log.d(TAG, "onMessage: SourceSubtitleEnd") val finalSrc = recvSourceText.joinToString(" ") - callback?.onFinalSourceText(sessionId, finalSrc) - } - Type.TranslationSubtitleStart -> { - Log.d(TAG, "onMessage: TranslationSubtitleStart") - recvText.clear() + callback?.onFinalSourceText("$sessionId#$srcSubtitleSeq", finalSrc) } Type.TranslationSubtitleResponse -> { Log.d(TAG, "onMessage: TranslationSubtitleResponse text='${text}'") recvText.add(text) - callback?.onPartialText(sessionId, recvText.joinToString(" ")) + callback?.onPartialText("$sessionId#$tgtSubtitleSeq", recvText.joinToString(" ")) } Type.TranslationSubtitleEnd -> { Log.d(TAG, "onMessage: TranslationSubtitleEnd") val finalTgt = recvText.joinToString(" ") - callback?.onFinalTranslatedText(sessionId, finalTgt) + callback?.onFinalTranslatedText("$sessionId#$tgtSubtitleSeq", finalTgt) // 一句话结束后，重新生成 sessionId 并在同一连接上发送新的 StartSession startNewSubSession(ws) } diff --git a/local_plugins/device_jieli/android/src/main/kotlin/com/jielihome/jielihome/feature/translation/runtime/JieliAITranslationBridge.kt b/local_plugins/device_jieli/android/src/main/kotlin/com/jielihome/jielihome/feature/translation/runtime/JieliAITranslationBridge.kt index 6d34ea6bf..97d17d000 100644 --- a/local_plugins/device_jieli/android/src/main/kotlin/com/jielihome/jielihome/feature/translation/runtime/JieliAITranslationBridge.kt +++ b/local_plugins/device_jieli/android/src/main/kotlin/com/jielihome/jielihome/feature/translation/runtime/JieliAITranslationBridge.kt @@ -1,5 +1,6 @@ package com.jielihome.jielihome.feature.translation.runtime +import android.os.SystemClock import android.util.Log import com.jieli.bluetooth.bean.translation.AudioData import com.jieli.bluetooth.bean.translation.TranslationMode @@ -147,6 +148,28 @@ class JieliAITranslationBridge( private val idleFutures = java.util.concurrent.ConcurrentHashMap>() + /** + * Per-leg：该腿上一次写入音频内容的时刻（[SystemClock.elapsedRealtime] 单调毫秒）。 + * 用来判断"这一组语音是不是停顿后的新一组"——见 [groupStartPending]。 + */ + private val lastFeedAt = + java.util.concurrent.ConcurrentHashMap() + + /** + * Per-leg：当前正在累积的这一组，是否为"停顿后的新一组"（其首段应立即下发）。 + * + * 背景：合并逻辑会让短句（短于 COALESCE_TARGET_MS）卡在空闲去抖里等 COALESCE_IDLE_MS + * 才下发。会话最开始、以及每次停顿后重新说话的"那一句"都会因此延迟。需求是： + * **每一组语音的首句立即下发，只有连续说话时才合并等待**。 + * + * 判定时机：在 buffer 从空开始累积新一组的那一刻锁定（不能在 isFinal 时再看 buffer 是否 + * 为空——首句若由多块组成，到 isFinal 时 buffer 已非空；首句立即发后 buffer 又会变空， + * 连续说话的第二句会被误判为新组而退化成"每段都立即发"）。所以唯一可靠的判据是 + * **距上次音频活动的空闲间隔 ≥ COALESCE_IDLE_MS**：超过空闲窗口=停顿后的新一组。 + */ + private val groupStartPending = + java.util.concurrent.ConcurrentHashMap() + /** 调试落地：整句 TTS 音频目录（懒创建）。null = 关闭。 */ private val resolvedDumpDir: File? = dumpDir?.also { runCatching { if (!it.exists()) it.mkdirs() } } @@ -177,6 +200,9 @@ class JieliAITranslationBridge( } } sdkCallback = callback + // 新会话：清空 per-leg 组状态，保证每通通话开始的首句立即下发（不等合并）。 + lastFeedAt.clear() + groupStartPending.clear() if (!tempDir.exists()) tempDir.mkdirs() upDecoder?.start() downDecoder?.start() @@ -191,6 +217,8 @@ class JieliAITranslationBridge( // 取消所有未触发的合并定时器（utterance 已被打断，剩余直接丢）。 idleFutures.values.forEach { it.cancel(false) } idleFutures.clear() + lastFeedAt.clear() + groupStartPending.clear() runCatching { upDecoder?.stop() } runCatching { downDecoder?.stop() } runCatching { stereoDecoder?.stop() } @@ -246,6 +274,9 @@ class JieliAITranslationBridge( * - OPUS 模式：累积 per-leg buffer；`isFinal=true` 或缓冲到 [PCM_BUFFER_HARD_LIMIT_BYTES] * 时整段编码 → 通过 [AITranslationCallback.onTranslateResult] 交给 SDK，SDK 内部 * 完成 cmd=52 切包 / 发送 / 速率控制。 + * 例外：**每一组语音的首段立即下发**（见 [groupStartPending]），跳过合并空闲等待， + * 消除"会话开始 / 每次停顿后首句"的起播延迟；连续说话时（段间隔 < COALESCE_IDLE_MS） + * 首段过后非新组，仍走合并保证连贯。 * * @return 是否接受本帧（false 表示丢弃，例如未启动 / 缓冲爆 / SDK callback 缺失） */ @@ -261,30 +292,47 @@ class JieliAITranslationBridge( // 合并目标字节（按当前采样率换算）：累计达到就立刻下发。 val targetBytes = COALESCE_TARGET_MS * (sampleRateHz / 1000 * 2).coerceAtLeast(1) + val now = SystemClock.elapsedRealtime() var pendingFlush: ByteArray? = null var armIdle = false synchronized(bufferLock) { val buf = pcmBuffers.getOrPut(outputStreamId) { ByteArrayOutputStream() } + + // 新一组的判定要在 buffer 从空开始累积的那一刻锁定：距上次音频活动空闲 + // ≥ COALESCE_IDLE_MS（含本腿首次，last==null）说明是停顿后的新一组，其首段立即下发。 + if (buf.size() == 0) { + val last = lastFeedAt[outputStreamId] + val idleGap = if (last == null) Long.MAX_VALUE else now - last + groupStartPending[outputStreamId] = idleGap >= COALESCE_IDLE_MS + } if (pcm.isNotEmpty()) { buf.write(pcm) + lastFeedAt[outputStreamId] = now } + val isGroupStart = groupStartPending[outputStreamId] ?: true when { // 硬上限兜底：无论如何先放出去，防止内存爆。 buf.size() > PCM_BUFFER_HARD_LIMIT_BYTES -> { Log.w(TAG, "feedTtsPcm leg=$outputStreamId hit hard limit, force flush") pendingFlush = buf.toByteArray(); buf.reset() + groupStartPending.remove(outputStreamId) } // 不合并：老行为，isFinal 立即下发。 !COALESCE_ENABLED && isFinal -> { val out = buf.toByteArray(); buf.reset() if (out.isNotEmpty()) pendingFlush = out } - // 合并：累计够长了立刻发，否则等空闲去抖（期待后续段拼进来）。 + // 合并：每组首段、或累计够长，立刻下发；否则等空闲去抖（期待后续段拼进来）。 + // 首段立即下发 → 消除"会话开始 / 每次停顿后首句"的起播延迟； + // 连续说话时（段间隔 < COALESCE_IDLE_MS）首段过后非新组，仍走合并保证连贯。 COALESCE_ENABLED && isFinal -> { - if (buf.size() >= targetBytes) { + if (isGroupStart || buf.size() >= targetBytes) { val out = buf.toByteArray(); buf.reset() - if (out.isNotEmpty()) pendingFlush = out + if (out.isNotEmpty()) { + pendingFlush = out + groupStartPending.remove(outputStreamId) + } } else if (buf.size() > 0) { armIdle = true }