转写请求改并行发送并限流:最多 3 个在飞,名额谁落定谁交出去
串行上传(一段没回来不发下一段)让长语音的松手等待等于各段耗时之和, 上游一慢就整体排队。改成并行,同时限制并发数避免压垮上游: - 并发上限 ASR_MAX_CONCURRENCY = 3(页面侧常量,改完刷新即生效) - 名额制而不是「第 i 段等第 i-N 段」:后者的伪阻塞在于最慢那段会卡住 本可以发的后续段(只飞 1 个时,排队的第 7 段也要一直等) - 名额在成功/失败后都归还,单段失败不吞名额 - 取消/重录:被唤醒的排队段看到 gen 变了只还名额、不真发,计数不漏 - 结果按 textParts[idx] 落位:并行返回是乱序的,拼接仍按说话顺序 - 收口改成 Promise.all(inflight),逐个兜 catch,避免单段异常让整批失败、 只能等 60s 超时把已识别内容全丢掉
This commit is contained in:
@@ -36,6 +36,9 @@
|
||||
const MAX_MS = 180000; // 单次录音上限(流式上传后不再受 60s 限制)
|
||||
const MIN_MS = 500; // 短于这个时长按误触处理,不上传
|
||||
const FLUSH_MS = 60000; // 松手后等尾段识别完的上限(超过就当失败)
|
||||
// 转写请求的并发上限:段一碎(6s 软切)并发就会很多,全放出去会把上游压垮、
|
||||
// 也可能被限流。超过就排到后面,等前面的落定再发。改完刷新页面即生效。
|
||||
const ASR_MAX_CONCURRENCY = 3;
|
||||
const OUT_RATE = 16000; // 页面内部统一按 16k 处理:VAD 时长与段长上限都按它算
|
||||
const BAR_COUNT = 45; // 声波柱数(要足够宽,手指按住时两侧仍能看到)
|
||||
|
||||
@@ -77,12 +80,14 @@
|
||||
let segDbs = []; // 各分片峰值 dB(与 segChunks 平行:软切要找能量最低的边界)
|
||||
let segLen = 0; // 当前段总采样数
|
||||
let silLen = 0; // 段尾连续静音采样数
|
||||
let textParts = []; // 各段识别结果(按顺序)
|
||||
let textParts = []; // 各段识别结果,按提交顺序占位(并行返回是乱序的)
|
||||
let segSent = 0; // 本轮已提交转写的段数(进度分母)
|
||||
let segDone = 0; // 已返回(含失败)的段数(进度分子)
|
||||
let busyTimer = null; // 「识别中」提示的秒表(1s 一跳)
|
||||
let busyStartAt = 0;
|
||||
let chain = Promise.resolve(); // 串行上传链:保证拼接顺序 = 说话顺序
|
||||
let inflight = []; // 本轮各段的落定 promise(收口要等全它们)
|
||||
let waiting = []; // 等名额的段(在飞满了才排)
|
||||
let active = 0; // 正在飞的请求数
|
||||
let gen = 0; // 会话代号:取消/重录后迟到结果直接丢弃
|
||||
let streamOn = false; // 是否接受 PCM 分片
|
||||
let flushTimer = null;
|
||||
@@ -348,6 +353,7 @@
|
||||
phase = 'recording';
|
||||
recordStartAt = Date.now();
|
||||
gen++; // 新会话:让上一轮迟到的结果全部失效
|
||||
inflight = []; // 上一轮的在途请求不再计入本轮收口
|
||||
streamOn = true;
|
||||
pcmRate = 16000;
|
||||
clearSeg();
|
||||
@@ -385,6 +391,7 @@
|
||||
gen++;
|
||||
pcmRate = OUT_RATE;
|
||||
streamOn = true;
|
||||
inflight = [];
|
||||
clearSeg();
|
||||
textParts = [];
|
||||
if (!startCapture()) {
|
||||
@@ -613,27 +620,43 @@
|
||||
emit(encodeWav(takeSeg(n), pcmRate));
|
||||
}
|
||||
|
||||
// 串行上传:一段没回来不发下一段(2 vCPU 上并发只会互相拖慢,而且顺序也没法保证)
|
||||
// 每段切出来就发,不等上一段回来,但同时最多 ASR_MAX_CONCURRENCY 个。
|
||||
// 名额是「谁落定谁交出去」,不按固定顺序等某一段:否则最慢那段会卡住本可以发的后续段。
|
||||
// 并行返回是乱序的,所以结果按「提交时的下标」落位,拼接时仍按说话顺序。
|
||||
function emit(blob) {
|
||||
const my = gen;
|
||||
segSent++; // 分母:已提交的段数(含排队中的)
|
||||
chain = chain.then(function () {
|
||||
if (my !== gen) return; // 已取消/重录:不再发
|
||||
const idx = segSent++; // 分母:已提交的段数,同时是这一段结果的落位下标
|
||||
const p = acquire().then(function () {
|
||||
if (my !== gen) { release(); return; } // 已取消/重录:名额还回去,别再发
|
||||
return req('POST', '/api/asr/transcribe', blob, true, 120000)
|
||||
.then(function (r) {
|
||||
if (my !== gen) return;
|
||||
segDone++;
|
||||
const t = String((r && r.text) || '').replace(/\s+/g, ' ').trim();
|
||||
if (t) textParts.push(t);
|
||||
refreshBusyHint();
|
||||
if (t) textParts[idx] = t;
|
||||
})
|
||||
.catch(function () {
|
||||
/* 单段失败不连坐,其余段照常出字;失败也算走完一段,进度才不会停在半路 */
|
||||
})
|
||||
.then(function () {
|
||||
release(); // 不论成败都先腾名额
|
||||
if (my !== gen) return;
|
||||
segDone++;
|
||||
refreshBusyHint();
|
||||
});
|
||||
});
|
||||
inflight.push(p);
|
||||
}
|
||||
|
||||
// 名额:没满直接拿;满了就排队,任一请求落定后把名额交给下一个(不按固定顺序)
|
||||
function acquire() {
|
||||
if (active < ASR_MAX_CONCURRENCY) { active++; return Promise.resolve(); }
|
||||
return new Promise(function (res) { waiting.push(res); });
|
||||
}
|
||||
|
||||
function release() {
|
||||
const next = waiting.shift();
|
||||
if (next) next(); // 名额直接转交,active 不变
|
||||
else active--;
|
||||
}
|
||||
|
||||
// 拼接各段:中文直接相连;两侧都是西文字母/数字时补一个空格,
|
||||
@@ -653,6 +676,7 @@
|
||||
streamOn = false;
|
||||
clearSeg();
|
||||
textParts = [];
|
||||
inflight = [];
|
||||
gen++;
|
||||
if (flushTimer) { clearTimeout(flushTimer); flushTimer = null; }
|
||||
}
|
||||
@@ -719,7 +743,11 @@
|
||||
resetUI();
|
||||
toast('语音识别超时');
|
||||
}, FLUSH_MS);
|
||||
chain = chain.then(function () {
|
||||
// 并行发之后没有串行链可挂:等本轮全部段落定(含被限流挡着的)再收口。
|
||||
// 逐个兜一层 catch:只要有一个 Promise 意外 reject,Promise.all 就整批失败,
|
||||
// 收口逻辑永远不跑,只能等 60s 超时把已识别的内容全部丢掉。
|
||||
const all = inflight.map(function (p) { return p.catch(function () {}); });
|
||||
Promise.all(all).then(function () {
|
||||
if (my !== gen) return;
|
||||
if (flushTimer) { clearTimeout(flushTimer); flushTimer = null; }
|
||||
const text = joinText(textParts);
|
||||
|
||||
+3
-1
@@ -373,7 +373,9 @@ Cookie: <登录态> # 与页面同一份 HttpOnly cookie
|
||||
```
|
||||
|
||||
- 上限 20MB,超时 120s;识别失败返回 `{"error": "..."}`(前端直接 toast 出来)。
|
||||
- 一次「按住说话」会变成 **多次** 请求(每个停顿一次,套壳与浏览器都是)。页面串行发送,保证拼接顺序。
|
||||
- 一次「按住说话」会变成 **多次** 请求(每个停顿一次,套壳与浏览器都是)。页面**并行**发送,
|
||||
结果按提交时的下标落位,拼接仍按说话顺序(并行返回是乱序的)。
|
||||
并发上限由 `voice.js` 的 `ASR_MAX_CONCURRENCY` 控制(默认 3),超出的排到后面等前面落定。
|
||||
- 单段失败不影响其他段(页面侧吞掉单段错误,继续等下一段);全部失败才提示。
|
||||
- 服务端只做**超长兜底**:一次请求超过 25s 才切,且切点尽量落在停顿处(端上已经按停顿切好了,
|
||||
这里多数请求根本不会触发切分)。参数见 `mcp/asr/README.md`。
|
||||
|
||||
Reference in New Issue
Block a user