Repository navigation
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
- 关闭:提示词要求直接作答、
- 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」。