Skip to content

v1.4 — 修复字幕有字无声,新增模型思考开关

Latest

Choose a tag to compare

@Cherry1Jay Cherry1Jay released this 12 Nov 07:15
· 2 commits to main since this release

修复「字幕有字、听不到声音」

对方连说长句时会出现:字幕显示一长串、通话像卡死、但一点声音都没有。

根因:推理型模型把 max_tokens 全烧在思考上 → content 为空 → 旧代码兜底把 reasoning_content 当答案 → 520 字思维链写进字幕并塞给 TTS → TTS 读不动直接放弃播放,状态机也被带歪。

改动

  • 删除 content = reasoning_content 兜底,正文为空即判定该轮失败,宁可不说话也不念内心戏
  • 新增「允许模型思考」开关,默认关闭(模型接口卡片底部)
    • 关闭:提示词要求直接作答、max_tokens 压到 320、正文为空直接走兜底话术
    • 打开:预算放宽到 700,允许从思考过程里提取台词
  • 播报超时改为按字数动态计算:6s + 字数 × 400ms(上限 60s)。原来写死 8 秒只够播 24 个字,回复稍长就被掐断
  • 播报文本按句子边界硬截到 80 字,避免 TTS 静默放弃
  • 两道净化:回复: 标记截取 + 元话语污染判定(长文且命中 3 个以上元话语词时只认引号内台词)
  • 日志增加 模型原始:content=X字 reason=Y字,方便判断模型到底返回了什么
  • build.sh 修掉 Manifest 静态版本号覆盖命令行参数的坑

实测

对方连问 6 轮(最长 95 字),模型 reason 仍有 36–412 字(deepseek-flash 属强制思考,开关关不掉),但 content 都有正文,字幕与语音一致、无卡顿。

若你的模型顽固思考到正文为空,换 deepseek-chat 或把开关打开。详见 README「已知限制」。

完整更新日志:https://github.com/Cherry1Jay/AICallAgent#更新日志