Rodger-Wang
|
8b50e52572
|
client: 通话翻译字幕错位/总结残留/退不出去/切后台被冻结，及 B 路说话人门限
真机实测（Android，恒玄耳机）逐条定位后修，原生能改的都在原生层改。
字幕乱（AliyunBailianE2EHelper，Android/iOS 同改）
- 原文流与译文流各自按到达顺序自己发号，两条流的切句本来就不一致，off-by-one
一旦发生就一路错到底。改成认服务端的 item_id：译文帧的 item_id 经 itemParent
（response item → input item）映射回原文那条，取不到才退回本地发号。
- response.audio_transcript 的 text 是累计值、delta 才是增量，此前一律当增量
append，于是出现「Hello,Hello,Hello,」。改成按字段名分支：有 delta 就追加，
只有 text 就整段替换。
- connectionGeneration 守住 onOpen/onMessage/onFailure/onClosed（iOS 用 activeTask
弱引用按任务身份判），旧 socket 的迟到回调不再打进新会话；stopContinuousConversation
同步清 webSocket/isStarted。
翻译结束后「总结内容」还留在屏幕上
- AliyunAstCallback.onSessionFinished 会把整场累计文本当作一条 translated 再发
一次，表现就是一大坨总结。不再发；原文缓存改为按 utteranceId 存，上限 32 条。
结束后无法再翻译、返回按钮像被遮挡
- 退出时那颗延时 Get.delete 会误杀刚重新进来的页面。按 tag 记活跃页面数
（_PageAliveMarker + _aliveCount），还有人用就跳过销毁。
重进页面提示「未在通话中」
- 耳机对 0xD1/0xD2（进/出通话模式）的应答被当成通话状态上报，把 isCallOngoing
改掉了。这两个 type 改为只记日志，不动通话状态。
切后台功能被关掉
- 前台服务类型加 phoneCall：microphone|phoneCall (132)，ROM 的进程冻结不再掐断
通话翻译。startForeground 带类型失败时回退到仅 microphone。stopService 改用
context.stopService，后台也能调。
- AST 掉线自动重连（1s/2s/4s，最多 3 次），回到前台按 _astHealthy 补一次；
重连后的新会话用 800ms 宽限期，否则会被原来的 2s 窗口吞掉重试。
B 路说话人门限（PeerSpeechGate，新增 + 11 个单测）
- 声音复刻配的是 frequency=once，只在会话开头刻一次音色。B 路会话一启动就建立，
此时对端多半还没开口，先收到的是机主的串音（实测 B 路 ASR 配 language=en 却
识别出机主刚说的中文），于是把机主音色刻成了「对端音色」，两个人听起来一样。
- 未开门期间音频进环形缓冲，开门瞬间整段补发——对端先开口时第一句的开头一个字
都不能丢。fallbackFrames 到时强行开门：门限太严会让对端整通电话不被翻译，
太松只是音色可能刻错，后者轻得多。
- 每次会话重建（含断线重连）都 reset，否则重连后照样刻到串音。
已知未尽：Android 14+ 会拒绝 phoneCall 这个前台服务类型并回退成仅 microphone，
那里的冻结保护不生效；rmsThreshold=600 尚未在真机上标定（上一轮跑到了兜底强开）。
Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>
|
3 weeks ago |
