2.4 KiB
2.4 KiB
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）
-
文本 JSON：
turn.audio.starttype:"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
-
文本 JSON（可多条）：
turn.audio.chunktype:"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）。 -
文本 JSON：
turn.audio.endtype:"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_resultturn.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 - 飞控确认：
CLOUD_VOICE_FLIGHT_CONFIRM_v1.md