deepvoice_client/lib/modules/realtime

Realtime 实时语音聊天模块

⚠️ 当前状态

此模块为功能预览版本，提供完整的实时语音对话功能。

通过原生插件实现语音识别、AI对话和语音合成的完整语音交互体验。

概述

Realtime模块实现了类似ChatGPT app的实时语音对话功能，当前版本提供：

• ✅ 完整语音交互 - 实时语音识别、AI对话和语音合成
• ✅ 状态管理 - 聆听、思考、回答状态的可视化
• ✅ 动画效果 - 基于Shader的流动云效果，支持音频振幅驱动
• ✅ 字幕显示 - 可选择开启/关闭的字幕模式
• ✅ 智能UI - 根据连接状态自动调整按钮可用性

界面设计

布局结构

• 顶部状态区域 - 显示当前状态和字幕模式切换按钮
• 中间可视化区域 - 圆形Shader动画，根据音频振幅呈现呼吸效果
• 底部控制区域 - 主控制按钮和状态指示器

状态指示

• 🔵 聆听状态 - 蓝色动画，接收用户语音输入
• 🟠 思考状态 - 橙色动画，AI处理中
• 🟢 回答状态 - 绿色动画，AI语音输出
• ⚪ 空闲状态 - 灰色静态，等待交互

字幕模式

• 默认关闭 - 初始状态下不显示任何字幕内容
• 手动切换 - 通过右上角按钮手动开启/关闭字幕
• 完整隐藏 - 关闭时字幕区域完全不显示，不占用界面空间
• 智能布局 - 开启时圆形动画自动上移，字幕区域占据下半屏

交互控制

• 录音按钮 - 仅在成功连接AI服务器且开始录音后可用
• 连接状态 - 未连接时录音按钮显示不可用状态
• 状态反馈 - 按钮颜色和可点击性根据连接状态动态调整

使用方法

路由导航

// 跳转到实时语音对话页面
Get.toNamed(Routes.realtime);

交互流程

1. 自动连接 - 页面加载后自动尝试连接AI服务器
2. 等待连接 - 录音按钮在连接成功前保持不可用状态
3. 开始录音 - 连接成功后自动开始录音，录音按钮变为可用
4. 语音对话 - 用户说话 → AI处理 → 语音回复
5. 字幕控制 - 可随时通过右上角按钮切换字幕显示

技术架构

控制器 (RealtimeController)

• 连接管理: WebSocket连接到AI服务器
• 状态同步: isConnected, isListening, isSpeaking
• 字幕控制: isSubtitleMode 默认为false，用户手动控制
• 消息管理: 智能去重，避免流式响应重复显示
• 音频处理: 原生层计算RMS值，Flutter层接收并控制动画

视图组件

• RealtimeView - 主视图容器，响应式布局
• ShaderMicFlow - 基于GLSL Shader的流动云动画组件
• AutoScrollList - 自动滚动的字幕列表

原生集成

• RealtimeService - 原生音频处理和WebSocket通信
• 音频格式 - 16kHz, 1声道, 16位PCM
• 实时传输 - 低延迟音频流处理
• RMS计算 - 原生层实时计算音频振幅

默认行为

字幕模式

• 初始状态: 关闭 (isSubtitleMode.value = false)
• 显示逻辑: 仅在用户手动开启时显示字幕内容
• 空间占用: 关闭时字幕区域高度为0，不影响其他UI元素
• 切换效果: 平滑动画过渡，圆形动画位置和大小同步调整

按钮状态

• 录音按钮: 默认不可用，连接成功且开始录音后才可点击
• 状态指示: 通过颜色和图标变化反映当前可用性
• 交互反馈: 不可用时点击无效果，避免误操作

开发计划

已完成功能 ✅

• 完整语音交互流程
• 实时WebSocket通信
• Shader流动云动画
• RMS音频振幅计算
• 智能UI状态管理
• 字幕模式控制
• 消息去重优化

计划增强 ⏳

• 多语言语音识别
• 语音中断检测
• 音频质量自适应
• 离线降级处理
• 语音情感识别

注意事项

1. 网络依赖 - 需要连接到AI服务器 (ws://192.168.1.11:8000/ws)
2. 麦克风权限 - 需要获取麦克风使用权限
3. 音频会话 - 自动管理音频会话，支持蓝牙设备
4. 资源管理 - 页面关闭时自动清理音频资源和网络连接

自定义配置

修改服务器地址

// 在RealtimeController中修改连接URL
await _realtimeService.initialize(
  serverUrl: 'ws://your-server:port/ws',
  // ... 其他参数
);

调整UI布局

// 修改字幕模式下圆形动画位置
alignment: controller.isSubtitleMode.value 
    ? const Alignment(0, -0.9)  // 调整Y轴位置
    : const Alignment(0, -0.25),

音频参数调优

// 在初始化时调整音频参数
sampleRate: 16000,    // 采样率
channels: 1,          // 声道数
bitsPerSample: 16,    // 位深度

技术栈

• Flutter SDK: >= 3.0.0
• GetX: >= 4.6.5 (状态管理)
• Flutter Shaders: >= 0.0.6 (Shader动画)
• 原生插件: Realtime服务 (音频处理)
• WebSocket: 实时通信协议

版本信息

• 当前版本: v1.0.0 (Production)
• 最后更新: 2024年
• 状态: 完整功能实现