07979bfb09
Replace CreateRecTask polling with recording-file flash API, add TENCENT_APP_ID, remove server-side pydub slicing, and log ASR recognition text at INFO in development. Co-authored-by: Cursor <cursoragent@cursor.com>
36 lines
2.5 KiB
Markdown
36 lines
2.5 KiB
Markdown
# WebSocket 消息协议
|
||
|
||
## 连接
|
||
|
||
- URL: `/ws/conversation/{conversation_id}?token={jwt_access_token}`
|
||
- 鉴权: query 参数 `token`，JWT `access_token`
|
||
|
||
## 消息类型 (client → server)
|
||
|
||
- `TEXT`：文本消息。`data.text` 必填。可选 `data.tts_this_turn`（布尔）：为 `true` 且服务端 `ENABLE_TTS` 开启且本轮回避 `skip_tts` 时，对该轮助手回复分段合成 TTS；默认为 `false`/缺省即不合成。**当开启本轮 TTS 时，每个助手分段服务端先推送 `tts_audio` 再推送该段 `agent_response`**，便于客户端先收音频再展示同段文字。
|
||
- `AUDIO_SEGMENT`：语音分段（客户端约 15s 一段）。`data` 含 `audio_base64`、`segment_index`、`voice_session_id` / `client_segment_id`、`is_last`、`duration`。可选同上 `tts_this_turn`。服务端对每段调用录音文件识别极速版（`16k_zh_large`，HTTPS 同步返回）。
|
||
- `AUDIO_MESSAGE`：整段音频（单次 ASR + 对话）。同上可选 `tts_this_turn`。单段建议 ≤100MB（极速版上限）。
|
||
- `TRANSCRIBE_ONLY`：仅转写不回复
|
||
- `TTS_CANCEL`：取消当前轮未完成的分段合成与下发
|
||
- `TTS_REQUEST`：用户点击某一助手气泡「朗读」且该段尚无 TTS 时下发。`data` 含 `assistant_message_id`（落库 `conversation_messages.id`）、`segment_index`（与该条助手正文按 `[SPLIT]` 分段后的从 0 下标）、可选 `segment_text`（须与该分段正文一致，用于校验）。服务端若该段已有 URL 则只做预签名后推送 `tts_audio`（`data.manual=true`），**不重复合成**。
|
||
- `END_CONVERSATION`：结束对话
|
||
- `PING` / `PONG`：心跳（客户端也可用 JSON `{"type":"ping"}`）
|
||
|
||
## 消息类型 (server → client)
|
||
|
||
- `TRANSCRIPT`: ASR 转写结果
|
||
- `AGENT_RESPONSE`: AI 回复文本分段
|
||
- `TTS_AUDIO`: 语音合成结果。标准链路下发 `data.audio_base64` 作为本轮即时播放通道，并同时下发 `data.audio_url`（COS 预签名可播放 URL）供客户端绑定气泡、退出重进后复播。按需朗读成功时 `data.manual` 可为 `true`，提示客户端应播放（即使用户未开「本轮 Speak」）。
|
||
- `MEMOIR_UPDATE`: 回忆录更新通知
|
||
- `ERROR`: 错误信息
|
||
|
||
## 状态流转
|
||
|
||
`CONNECT → (TEXT|AUDIO_*) ↔ (TRANSCRIPT|AGENT_RESPONSE|[TTS_AUDIO]) → END_CONVERSATION`
|
||
|
||
同一连接内消息顺序稳定；首轮朗读模式下每一助手分段为 `tts_audio` 先于对应 `agent_response`。
|
||
|
||
## 重连
|
||
|
||
客户端断连后可用相同 `conversation_id` 重连，历史消息从 Redis / HTTP 缓存恢复。
|