1.5.4

GigaAM Transcriber 1.5.4

Точечный релиз по итогам проверки 1.5.3 на реальной машине с PipeWire:
issue #49 (перецепка на монитор
падала на локализованной системе) и
issue #50 (mix.flac
растягивался в 4,87 раза и терял микрофон).

Русский

Исправлено

• Перецепка потока на монитор падала из-за локали (#49). pactl переводит
  свой вывод. В ru_RU заголовок записи — Выход источника №101 вместо
  Source Output #101, а sample-spec — s32le 2-канальный 4800 вместо
  s32le 2ch 48000Hz. Обе регулярки в src/live/capture/pulse.py написаны под
  C-локаль, поэтому source_outputs() всегда возвращал пустое множество: своя
  запись не находилась, attach_to_monitor() вырабатывал двухсекундный таймаут
  и возвращал False, а старт системного захвата честно падал с Could not move the capture stream to monitor source .... В system.flac при этом
  оставалось около двух секунд входа по умолчанию. Заодно частота монитора
  читалась как 4800 вместо 48000 и спасалась только запасным значением
  48000/2.

  Локаль теперь задаёт приложение, а не окружение пользователя: pactl
  вызывается с LC_ALL=C (и пустым LANGUAGE). Обход — запуск всего бинарника
  под LC_ALL=C — больше не нужен.

• mix.flac растягивался в разы и терял микрофон (#50). Микшер брал
  позицию чанка из метки его прихода и делал длину выходного блока равной
  «сдвиг между источниками + длина звука». Сдвиг там знака не имеет — блок
  считается от min метки, — поэтому даже нулевое в среднем дрожание меток
  добавляло abs(сдвиг) тишины в каждую пару чанков. На сессии 98,6 с из
  ~5 300 пар со средним лагом ~90 мс это дало файл 480,6 с (×4,87), в котором
  речь тонула между растущими промежутками тишины, при идеальных mic.flac и
  system.flac. Проявлялось только при живом системном источнике, то есть
  ровно после фикса #49; раньше системный захват умирал через 2 с и микс писался
  из одного источника, где сдвига нет.

  Изменено два места:

  • LiveSession._normalize_mix_timestamp() ставит чанк на дорожку микса по
    смещению сэмплов, а не по часам. Смещения приходят из SourceTimeline,
    который уже зашил разрывы и срезал перекрытия, поэтому они растут ровно со
    звуком и не дрожат. Момент старта каждого источника, для которого часы всё
    ещё нужны, учитывается как и раньше — по первому чанку.
  • AlignedMixer ведёт непрерывную выходную дорожку и продвигает её только на
    тот звук, который реально отдал. Аудио, чей парный источник ещё не догнал,
    придерживается в буфере и дописывается, когда тот придёт, — ничего не
    теряется и ничего не пишется дважды. Постоянный сдвиг между источниками
    стоит одного блока тишины в начале сессии, а не блока набивки на каждую
    пару.

• Формат дорожки микса фиксируется первым блоком. Раньше формат брался у
  того источника, который оказался в блоке: замолчавший на полсекунды микрофон
  передавал микс 48-килогерцовому системному источнику, и запись падала на
  recording track format changed, теряя дорожку целиком.

• Хвост микса дописывается при остановке. Придержанное аудио, чей парный
  источник уже не придёт, теперь сбрасывается в файл, а не отбрасывается.

Тесты

• test_linux_monitors_are_enumerated_under_a_localized_pactl и
  test_linux_localized_pactl_still_moves_the_capture_stream — поддельный
  pactl переводит вывод ровно так, как это делает ru_RU, если запрос пришёл
  не с LC_ALL=C; test_linux_pactl_is_always_asked_in_the_c_locale
  проверяет саму фиксацию локали.
• test_mixer_does_not_pay_the_source_offset_once_per_pair — 1000 фреймов
  звука при сдвиге 20 мс дают 1020 фреймов дорожки, а не 1200, как раньше.
• test_mixer_keeps_every_microphone_frame_when_the_peer_lags — микрофон в
  миксе идёт подряд; на старом коде он занимал треть дорожки, остальное было
  тишиной.
• test_mixer_jitter_does_not_accumulate_across_blocks,
  test_mixer_output_format_is_fixed_by_the_first_block.
• Сессионные тесты test_staggered_source_callbacks_produce_timestamp_aligned_mix
  и test_small_normalized_clock_jitter_and_drift_keeps_mix_bounded переписаны
  под новый контракт: длина микса равна длине звука.

Диагноз локали (включая LC_ALL=C pactl | grep -c A/B), измерения mix.flac и
разбор выравнивания пар — @alexanderlazutkin.

English

Fixed

• Moving the capture stream onto a monitor failed under a localized pactl
  (#49). pactl translates its output: on ru_RU the record header reads
  Выход источника №101 and the sample spec s32le 2-канальный 4800. Both
  parser regexes assume the C locale, so source_outputs() always came back
  empty, our own recording was never found, attach_to_monitor() burned its
  two-second timeout and system capture refused to start. The application now
  runs pactl with LC_ALL=C itself, so the user's locale no longer matters.

• mix.flac was stretched several times over and lost the microphone (#50).
  The mixer positioned chunks by their arrival timestamps and sized each output
  block as offset + length. That offset has no sign, so even zero-mean
  timestamp jitter added abs(offset) of silence to every pair: a 98.6 s
  session came out as a 480.6 s file (x4.87) with the speech buried between
  growing runs of silence, while mic.flac and system.flac were perfect.
  Chunks are now placed by sample offset rather than by wall clock, and the
  mixer keeps a continuous output timeline that advances only by the audio it
  emits — audio whose peer has not caught up is held back and written once the
  peer arrives.

• The mix track's format is fixed by its first block, so a microphone that
  goes quiet for a moment can no longer hand the track to the 48 kHz system
  source and cost the whole recording.

• The mixer's tail is flushed at stop instead of being dropped.

Reported, measured and diagnosed by @alexanderlazutkin.