# PCM ASR 上行协议 v1（机端实现摘要）

与 `CloudVoiceClient`（`voice_drone/core/cloud_voice_client.py`）及 voicellmcloud 的 `pcm_asr_uplink` **session.start.transport_profile** 对齐。

## 上行：仅文本 WebSocket 帧

**禁止**用 WebSocket **binary** 发送用户 PCM。对端（Starlette）`receive_text()` 与 `receive_bytes()` 分流；binary 上发会导致对端异常，客户端可能表现为空文本等异常。

用户音频只出现在 **`turn.audio.chunk` 的 JSON 字段 `pcm_base64`** 中（标准 Base64，内容为 little-endian **pcm_s16le** 原始字节）。

## session.start

- `transport_profile`: **`pcm_asr_uplink`**
- 其余与会话通用字段相同（`client`、`auth_token`、`session_id` 等）。

## 单轮上行（一个 `turn_id`）

1. **文本 JSON**：`turn.audio.start`
   - `type`: `"turn.audio.start"`
   - `proto_version`: `"1.0"`
   - `transport_profile`: `"pcm_asr_uplink"`
   - `turn_id`: UUID 字符串
   - `sample_rate_hz`: 整数（机端一般为 **16000**，与采集一致）
   - `codec`: `"pcm_s16le"`
   - `channels`: **1**

2. **文本 JSON**（可多条）：`turn.audio.chunk`
   - `type`: `"turn.audio.chunk"`
   - `proto_version`、`transport_profile`、`turn_id` 与 start 一致
   - `pcm_base64`: 本段 PCM 原始字节的 Base64（不传 WebSocket binary）

   每段原始字节长度由环境变量 **`ROCKET_CLOUD_AUDIO_CHUNK_BYTES`** 控制（默认 8192，对 **解码前** 的 PCM 字节数做钳制）。

3. **文本 JSON**：`turn.audio.end`
   - `type`: `"turn.audio.end"`
   - `proto_version`、`transport_profile`、`turn_id` 与 start 一致。

**并发**：同一 WebSocket 会话内，**勿**在收到上一轮的 `turn.complete` 之前再发新一轮 `turn.audio.start`。

## 下行（与 turn.text 同形态）

- 可选：`asr.partial` — 机端仅日志/UI，**不参与状态机**。
- `llm.text_delta`（可选）
- `tts_audio_chunk`（JSON）后随 **binary PCM**（TTS 下行仍可为 binary，与上行约定无关）
- `dialog_result`
- `turn.complete`

机端对 **空文本帧** 会忽略并继续读（与云端「空文本忽略」一致）。

机端须 **收齐 `turn.complete` 且按序拼完该轮 TTS 二进制** 后再视为播报结束，再按产品规则分支（闲聊再滴声 / 飞控确认窗等）。

## 参考

- 会话产品流：[`CLOUD_VOICE_SESSION_SCHEME_v1.md`](./CLOUD_VOICE_SESSION_SCHEME_v1.md)
- 飞控确认：`CLOUD_VOICE_FLIGHT_CONFIRM_v1.md`