// 语音输入(按住说话) // // 交互: // · 输入框为空时,发送键变成麦克风;点一下进入语音模式 // · 语音模式下输入框位置变成「按住 说话」:按住后整块输入区被全宽遮罩盖住, // 显示实时电平声波 + 「松手传送,上滑取消」 // · 手指上滑进入文案区域 → 取消态(声波与文案变红,文案改「松开取消」),滑回下方恢复 // · 松手:取消态 → 丢弃 + 轻提示;否则转写后**直接发送** // · 发送键位置变成键盘按钮,点一下回文本模式并聚焦输入框(移动端弹键盘) // // 录音在客户端,两条路,下游是同一套: // · 套壳原生桥(http 页面也能用):壳把 16k/单声道 PCM 以 ~100ms 分片推给页面。 // · 浏览器(需 HTTPS):AudioContext + ScriptProcessor 自己采 PCM,降采样到 16k 后约 20ms 一片。 // 两条路都汇到 pushChunk():判停顿、切段、逐段上传、最后合并发送,只有一份实现。 // 于是大部分识别在说话过程中就做完了,松手通常只剩最后一段要等。 // 电平在页面侧算(PCM 峰值),壳和浏览器都不做任何换算。 // // 包在 IIFE 里:前端是共享全局作用域的经典脚本,顶层声明会和其他文件撞名。 (function () { 'use strict'; const hold = $('voice-hold'); const ta = $('msg-input'); const overlay = $('voice-overlay'); const hintEl = $('voice-hint'); const waveEl = $('voice-wave'); if (!hold || !ta) return; const native = (window.AgentNative && typeof window.AgentNative.startVoice === 'function') ? window.AgentNative : null; const webOk = !!(window.isSecureContext && navigator.mediaDevices && typeof navigator.mediaDevices.getUserMedia === 'function' && (window.AudioContext || window.webkitAudioContext)); 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) 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) // 两端矮、中间高的包络:看起来像一段声波而不是一排等高柱子 const WEIGHTS = []; for (let i = 0; i < BAR_COUNT; i++) { WEIGHTS.push(0.45 + 0.55 * Math.sin(Math.PI * (i + 0.5) / BAR_COUNT)); } const bars = []; if (waveEl) { for (let i = 0; i < BAR_COUNT; i++) { const b = document.createElement('i'); waveEl.appendChild(b); bars.push(b); } } let available = false; // 有能力 + 服务端接线:发送键才显示麦克风 let mode = false; // 是否处于语音模式 let phase = 'idle'; // idle | arming(等 getMedia)| recording | busy let pressing = false; let pressY = 0; // 本次按压的起始 Y(判断“确实上滑了”) let cancelArmed = false; // 已上滑到取消区 let discard = false; // 本次录音太短/已取消:结果到了也丢掉 let recordStartAt = 0; let stopTimer = null; let stream = null; // 浏览器采集:ScriptProcessor 直接给 Float32 PCM,这里降到 16k 后喂 pushChunk let procNode = null; let capRate = 0; // AudioContext 的真实采样率(通常 44.1k/48k) let dsAcc = 0; // 降采样:当前输出周期内的样本和 let dsN = 0; let dsPhase = 0; // 小数相位,跨分片累计 → 长期不漂移 // 流式:壳推的分片 / 浏览器自己采的分片,都在这里断句后逐段上传 let pcmRate = 16000; // 当前流的采样率(契约要求 16k) let segChunks = []; // 当前段的 PCM 分片(Int16Array) 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 chain = Promise.resolve(); // 串行上传链:保证拼接顺序 = 说话顺序 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; // VAD 参数(页面侧唯一一份:改完刷新页面即生效,不用重打 APK) const VAD_SILENCE_DB = -42; // 低于这个音量算“没人说话”(正常说话峰值约 -10~-30dB) const VAD_PAUSE_SEC = 0.5; // 连续静音这么久 → 断句(与壳无关) const VAD_MIN_SPEECH_SEC = 0.3; // 一段短于这个 → 当噪声丢掉 const VAD_MAX_SEG_SEC = 25; // 单段上限:连续说话没停顿就硬切(上游单次上限) // 电平与渲染 let rafId = 0; let levelTarget = 0; let levelCur = 0; let lastRealLevelAt = 0; let audioCtx = null; let srcNode = null; function clamp01(v) { return v < 0 ? 0 : v > 1 ? 1 : v; } // 电平归一化的唯一实现:两条录音路径的 PCM 峰值都在这里落到 0~1。 // 低于 -55dB 视为静音,-5dB 及以上视为满幅;要调灵敏度只改这两个常量。 const LEVEL_FLOOR_DB = -55; const LEVEL_RANGE_DB = 50; function dbToLevel(db) { return clamp01((db - LEVEL_FLOOR_DB) / LEVEL_RANGE_DB); } function setHoldText(s) { if (hold.textContent !== s) hold.textContent = s; } // ---------- 遮罩 / 声波 ---------- function setOverlayMode(m) { // 'send' | 'cancel' | 'busy' cancelArmed = m === 'cancel'; if (overlay) overlay.classList.toggle('cancel', m === 'cancel'); if (hintEl) { hintEl.textContent = m === 'cancel' ? '松开取消' : m === 'busy' ? '正在识别…' : '松手传送,上滑取消'; } } function renderBars(level, animate) { if (!bars.length) return; const t = Date.now() / 1000; // 只有真的收到可听电平(大于门限)才加流动感;安静时保持完全静止,不靠抖动“装活” const flow = animate && level > 0.02; for (let i = 0; i < bars.length; i++) { const ripple = flow ? (0.88 + 0.12 * Math.sin(t * 6 + i * 0.55)) : 1; const h = Math.max(0.08, Math.min(1, (0.15 + 0.85 * level) * WEIGHTS[i] * ripple)); bars[i].style.transform = 'scaleY(' + h.toFixed(3) + ')'; } } function startLoop() { if (rafId || !overlay || overlay.classList.contains('hidden')) return; if (typeof requestAnimationFrame !== 'function') return; rafId = requestAnimationFrame(tickMeter); } function tickMeter() { rafId = 0; if (!overlay || overlay.classList.contains('hidden')) return; // 电平只有一个来源:pushChunk() 每收到一片 PCM 就更新 levelTarget。 // 超过 300ms 没有新数据(授权还没给 / 已经停了)→ 静默停在基线,不假动。 if (Date.now() - lastRealLevelAt > 300) { levelCur = 0; renderBars(0, false); return; } // 快攻慢放:起音跟得紧,收音回落慢,柱体不抽筋 levelCur += (levelTarget - levelCur) * (levelTarget > levelCur ? 0.55 : 0.18); renderBars(levelCur, true); rafId = requestAnimationFrame(tickMeter); } // iOS Safari 只允许在用户手势里真正启动 AudioContext;getUserMedia 之后那条异步链已经 // 脱离手势,那时才 new AudioContext 有可能一直 suspended(一点声音都采不到)。 // 所以在 pointerdown 里先把 ctx 建好并 resume,拿到麦克风后直接复用。 function primeAudioCtx() { if (audioCtx) return true; const AC = window.AudioContext || window.webkitAudioContext; if (!AC) return false; try { audioCtx = new AC(); if (audioCtx.state === 'suspended') audioCtx.resume(); return true; } catch (_) { audioCtx = null; return false; } } // 浏览器:拿 PCM 只能靠 ScriptProcessor(已标废弃,但 Chrome/Safari/Firefox 都还在, // 且不需要额外加载文件)。AudioWorklet 要 addModule,异步加载会吞掉开头几个字。 function startCapture() { if (!stream || !primeAudioCtx()) return false; try { capRate = audioCtx.sampleRate || 48000; dsAcc = 0; dsN = 0; dsPhase = 0; srcNode = audioCtx.createMediaStreamSource(stream); procNode = audioCtx.createScriptProcessor(1024, 1, 1); procNode.onaudioprocess = function (ev) { const pcm = downsampleTo16k(ev.inputBuffer.getChannelData(0)); if (pcm.length) pushChunk(pcm, OUT_RATE); }; srcNode.connect(procNode); // 必须接到 destination 才会被驱动;输出缓冲区不写,所以不会外放 procNode.connect(audioCtx.destination); if (audioCtx.state === 'suspended') audioCtx.resume(); startLoop(); return true; } catch (_) { stopMeter(false); return false; } } // Float32(任意采样率)→ 16k Int16。按「输出周期内取均值」降采样:既是抽点也能压一点高频, // 且 dsPhase 跨分片累计,长时间录不会整体越走越快/越慢(整数倍抽取会)。 function downsampleTo16k(input) { const out = new Int16Array(Math.ceil(input.length * OUT_RATE / capRate) + 1); let n = 0; for (let i = 0; i < input.length; i++) { dsAcc += input[i]; dsN++; dsPhase += OUT_RATE; if (dsPhase >= capRate) { dsPhase -= capRate; const v = Math.round((dsAcc / dsN) * 32767); out[n++] = v > 32767 ? 32767 : v < -32768 ? -32768 : v; dsAcc = 0; dsN = 0; } } return n === out.length ? out : out.subarray(0, n); } function startMeter() { stopMeter(false); levelTarget = 0; levelCur = 0; lastRealLevelAt = 0; startLoop(); } function stopMeter(flatten) { if (rafId) { cancelAnimationFrame(rafId); rafId = 0; } if (procNode) { try { procNode.disconnect(); } catch (_) { /* 已断 */ } procNode.onaudioprocess = null; procNode = null; } if (srcNode) { try { srcNode.disconnect(); } catch (_) { /* 已断 */ } srcNode = null; } // 采集节点也挂在这个 ctx 上:关掉它浏览器这边就彻底不再送 PCM 了 if (audioCtx) { try { audioCtx.close(); } catch (_) { /* 已关 */ } audioCtx = null; } if (flatten !== false) { for (let i = 0; i < bars.length; i++) bars[i].style.transform = 'scaleY(.12)'; } } function showOverlay() { if (overlay) overlay.classList.remove('hidden'); // 录音期间隐藏输入卡内容(否则透明渐变会把按钮/文字透出来) if (document.body) document.body.classList.add('voice-active'); setOverlayMode('send'); startMeter(); } function hideOverlay() { if (overlay) overlay.classList.add('hidden'); if (document.body) document.body.classList.remove('voice-active'); stopMeter(); cancelArmed = false; } function resetUI() { phase = 'idle'; pressing = false; pressY = 0; discard = false; abortStream(); if (stopTimer) { clearTimeout(stopTimer); stopTimer = null; } hold.classList.remove('recording'); setHoldText('按住 说话'); hideOverlay(); updateSendBtn(); } function releaseStream() { if (!stream) return; try { stream.getTracks().forEach(function (t) { t.stop(); }); } catch (_) { /* 已关 */ } stream = null; } // ---------- 模式切换 ---------- function enter() { if (!available || mode) return; mode = true; ta.classList.add('hidden'); hold.classList.remove('hidden'); try { ta.blur(); } catch (_) { /* 忽略 */ } resetUI(); updateSendBtn(); } function exit(focus) { if (!mode) return; cancelHold(); mode = false; hold.classList.add('hidden'); ta.classList.remove('hidden'); autosize(); updateSendBtn(); // 必须在点击手势里同步 focus,移动端才会弹键盘 if (focus) { try { ta.focus(); } catch (_) { /* 忽略 */ } } } // ---------- 录音 ---------- function startHold() { if (phase !== 'idle') return; pressing = true; discard = false; hold.classList.add('recording'); setHoldText('松开 结束'); showOverlay(); if (native) { // 原生侧即使要弹权限也先当「已开始」:页面已经开始收分片,壳真开录后会推数据。 // 首次授权那一次的分片要等用户点允许才会到,之前的静音不计入。 phase = 'recording'; recordStartAt = Date.now(); gen++; // 新会话:让上一轮迟到的结果全部失效 streamOn = true; pcmRate = 16000; clearSeg(); textParts = []; stopTimer = setTimeout(finishHold, MAX_MS); try { native.startVoice(); } catch (e) { resetUI(); toast('无法开始录音:' + String((e && e.message) || e)); } return; } // 浏览器:先拿麦克风(可能要等用户授权),拿到后 startCapture 开始往里推 PCM phase = 'arming'; primeAudioCtx(); // 必须在手势里建(见 primeAudioCtx 注释) startWeb(); } async function startWeb() { try { stream = await navigator.mediaDevices.getUserMedia({ audio: true }); } catch (e) { resetUI(); const denied = e && (e.name === 'NotAllowedError' || e.name === 'SecurityError'); toast(denied ? '麦克风权限被拒绝' : '无法打开麦克风:' + String((e && e.message) || e)); return; } if (!pressing) { releaseStream(); resetUI(); return; } // 松开得比授权快 // 与套壳同一套状态,只是换成了「自己采 PCM」而不是「等壳推」 phase = 'recording'; recordStartAt = Date.now(); gen++; pcmRate = OUT_RATE; streamOn = true; clearSeg(); textParts = []; if (!startCapture()) { streamOn = false; releaseStream(); resetUI(); toast('无法开始录音:当前浏览器采不到音频'); return; } stopTimer = setTimeout(finishHold, MAX_MS); } // 松手:结束录音(太短则丢弃) function finishHold() { if (phase !== 'recording') return; if (stopTimer) { clearTimeout(stopTimer); stopTimer = null; } const held = Date.now() - recordStartAt; if (held < MIN_MS) discard = true; phase = 'busy'; hold.classList.remove('recording'); setHoldText(discard ? '按住 说话' : '正在识别…'); // 遮罩留着,文案换成「正在识别…」;柱子停在低位,等结果回来再收 setOverlayMode(discard ? 'send' : 'busy'); stopMeter(); if (discard) { abortStream(); releaseStream(); nativeStop(false); // 只停采集,不用管壳知不知道“被丢弃”(页面已经不再收分片) resetUI(); toast('说话时间太短'); return; } // 两条路收口完全一样:把不足一个停顿的尾巴发走(纯静音的尾巴不发),再等所有段回来。 // 大部分段在说话过程中已经识别完了,这里通常只等最后一段。 flushTail(); if (native) { try { native.stopVoice(); } catch (e) { resetUI(); toast('结束录音失败:' + String((e && e.message) || e)); return; } } else { releaseStream(); // 采集节点已经由上面的 stopMeter() 拆掉了 } waitFlush(); } // 让壳停止采集:优先 cancelVoice(语义明确),壳没实现时退回 stopVoice—— // 否则麦克风会在壳侧一直开着(页面这边已经不再收分片了,但录音还在跑)。 function nativeStop(cancel) { if (!native) return; try { if (cancel && native.cancelVoice) native.cancelVoice(); else if (native.stopVoice) native.stopVoice(); } catch (_) { /* 已停 */ } } // 放弃本次录音(切模式 / 离开页面 / 上滑取消 / 壳回调 cancelled) function cancelHold() { if (phase === 'idle') return; abortStream(); // 丢弃已发在途的结果,也不碰输入框 releaseStream(); // 浏览器:停麦克风轨道(采集节点由 resetUI → stopMeter 拆) nativeStop(true); resetUI(); } // ---------- 按住 / 滑动 / 松开 ---------- hold.addEventListener('pointerdown', function (e) { if (e && e.button != null && e.button !== 0) return; // 只响应左键/触摸 e.preventDefault(); if (phase !== 'idle') return; pressY = e.clientY || 0; try { hold.setPointerCapture(e.pointerId); } catch (_) { /* 忽略 */ } startHold(); }); function onMove(e) { if (!pressing) return; if (phase !== 'recording' && phase !== 'arming') return; if (!overlay || overlay.classList.contains('hidden') || !hintEl) return; // 阈值取文案元素的实际下沿;同时要求相对按下点确实上滑了一段, // 否则首次 pointermove 的坐标噪声或极端布局会把状态直接判成取消(一进来就红)。 const line = hintEl.getBoundingClientRect().bottom; const limit = pressY ? Math.min(line - 4, pressY - 24) : (line - 4); const y = e.clientY; if (!cancelArmed && y < limit) setOverlayMode('cancel'); else if (cancelArmed && y > line + 4) setOverlayMode('send'); } function onRelease(e) { // 必须先进 pressing 判断:这个监听器也挂在 window 上, // 对无关的 pointerup 调 preventDefault 会吞掉全局 click 事件。 if (!pressing) return; if (e) e.preventDefault(); pressing = false; if (cancelArmed) { // 不弹提示:toast 会盖住声波(取消本身已经有颜色/文案反馈) cancelHold(); return; } if (phase === 'recording') finishHold(); else if (phase === 'arming') cancelHold(); // 还没真正开录:当误触 } hold.addEventListener('pointerup', onRelease); hold.addEventListener('pointercancel', onRelease); hold.addEventListener('pointermove', onMove); // 兜底:个别环境下 setPointerCapture 不生效,手指移出按钮后也要跟手 window.addEventListener('pointerup', onRelease); window.addEventListener('pointercancel', onRelease); window.addEventListener('pointermove', onMove); // 长按不弹系统菜单(移动端) hold.addEventListener('contextmenu', function (e) { e.preventDefault(); }); // 键盘可达:空格/回车按下开始,松开结束 hold.addEventListener('keydown', function (e) { if (e.repeat) return; if (e.key !== ' ' && e.key !== 'Enter') return; e.preventDefault(); if (!pressing) startHold(); }); hold.addEventListener('keyup', function (e) { if (e.key !== ' ' && e.key !== 'Enter') return; e.preventDefault(); onRelease(null); }); // 录音中离开页面:释放麦克风 window.addEventListener('pagehide', cancelHold); // ---------- PCM 处理(两条录音路径共用) ---------- // 壳每 ~100ms 推一片 16bit/单声道小端 PCM;浏览器自己采。采样率、分片大小、门限全部不在别处算。 function b64ToI16(b64) { const bin = atob(String(b64 || '')); const n = bin.length >> 1; const out = new Int16Array(n); for (let i = 0; i < n; i++) out[i] = (bin.charCodeAt(i * 2 + 1) << 8) | bin.charCodeAt(i * 2); return out; } // 这一片 PCM 的峰值电平(dBFS)。用峰值而不是 RMS:与原先 getMaxAmplitude 的尺度一致。 function peakDb(arr) { let peak = 0; for (let i = 0; i < arr.length; i++) { const v = arr[i] < 0 ? -arr[i] : arr[i]; if (v > peak) peak = v; } return peak <= 0 ? -Infinity : 20 * Math.log10(peak / 32767); } function encodeWav(samples, rate) { const b = new ArrayBuffer(44 + samples.length * 2); const v = new DataView(b); const str = function (off, s) { for (let i = 0; i < s.length; i++) v.setUint8(off + i, s.charCodeAt(i)); }; str(0, 'RIFF'); v.setUint32(4, 36 + samples.length * 2, true); str(8, 'WAVE'); str(12, 'fmt '); v.setUint32(16, 16, true); v.setUint16(20, 1, true); // PCM v.setUint16(22, 1, true); // mono v.setUint32(24, rate, true); // 采样率 v.setUint32(28, rate * 2, true); // byte rate v.setUint16(32, 2, true); v.setUint16(34, 16, true); str(36, 'data'); v.setUint32(40, samples.length * 2, true); for (let i = 0, o = 44; i < samples.length; i++, o += 2) v.setInt16(o, samples[i], true); return new Blob([b], { type: 'audio/wav' }); } // 从当前段取前 n 个采样(拼成一段连续 PCM) function takeSeg(n) { const out = new Int16Array(n); let off = 0; for (const c of segChunks) { if (off >= n) break; const k = Math.min(c.length, n - off); out.set(k === c.length ? c : c.subarray(0, k), off); off += k; } return out; } function clearSeg() { segChunks = []; segLen = 0; silLen = 0; } // 把当前段的前 n 个采样作为一段发出去(太短当噪声丢掉)。 // 注意:必须在 clearSeg() 之前调,takeSeg 要读 segChunks。 function emitSegment(n) { if (n < pcmRate * VAD_MIN_SPEECH_SEC) return; 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) function emit(blob) { const my = gen; chain = chain.then(function () { if (my !== gen) return; // 已取消/重录:不再发 return req('POST', '/api/asr/transcribe', blob, true, 120000) .then(function (r) { if (my !== gen) return; const t = String((r && r.text) || '').replace(/\s+/g, ' ').trim(); if (t) textParts.push(t); }) .catch(function () { /* 单段失败不连坐,其余段照常出字 */ }); }); } // 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, // 否则英文被切开后会粘成 "helloworld"。 function joinText(parts) { let out = ''; for (const s of parts) { if (!s) continue; if (out && /[A-Za-z0-9]$/.test(out) && /^[A-Za-z0-9]/.test(s)) out += ' '; out += s; } return out; } // 丢弃本轮的一切(段缓冲 + 已发在途结果):取消 / 误触 / 超时都走这里 function abortStream() { streamOn = false; clearSeg(); textParts = []; gen++; if (flushTimer) { clearTimeout(flushTimer); flushTimer = null; } } // 一片 16bit 单声道 PCM:两条录音路径的唯一汇合点。 // 电平、静音判定、断句、上传全在页面侧;壳和浏览器都不做任何判断。 function pushChunk(pcm, rate) { if (!streamOn || phase !== 'recording') return; const r = Number(rate); if (r > 0 && r !== pcmRate) pcmRate = r; if (!pcm.length) return; // 电平:直接用这片 PCM 的峰值 const db = peakDb(pcm); lastRealLevelAt = Date.now(); levelTarget = db === -Infinity ? 0 : dbToLevel(db); startLoop(); segChunks.push(pcm); segLen += pcm.length; // 静音按「整片」判:一片约 20~100ms,足够分辨 0.5s 的停顿(再细也没意义) silLen = db < VAD_SILENCE_DB ? silLen + pcm.length : 0; if (silLen >= pcmRate * VAD_PAUSE_SEC) { // 停顿够了 → 把静音之前的部分发走,静音本身丢掉(不浪费上游额度) const tail = segLen - silLen; emitSegment(tail); clearSeg(); } else if (segLen >= pcmRate * VAD_MAX_SEG_SEC) { // 一口气说了 25 秒没停顿:硬切(宁可切开也不能超上游上限) emitSegment(segLen); clearSeg(); } } // 壳每 ~100ms 推一片 16bit/单声道小端 PCM(契约见 docs/voice-input.md) window.onNativeVoiceChunk = function (b64, rate) { if (!native) return; pushChunk(b64ToI16(b64), rate); }; // 松手/超时:把不足一个停顿的尾巴也发出去,然后等全部段回来。 // 必须剔掉尾巴上的静音:停顿那一下已经把缓冲清空了,之后累积的可能全是静音 //(用户停一会儿才松手),发出去只会换来一次「没有可识别语音」。 function flushTail() { streamOn = false; const speech = segLen - silLen; if (speech > 0) emitSegment(speech); clearSeg(); } function waitFlush() { const my = gen; flushTimer = setTimeout(function () { flushTimer = null; if (my !== gen) return; gen++; // 让迟到结果失效 resetUI(); toast('语音识别超时'); }, FLUSH_MS); chain = chain.then(function () { if (my !== gen) return; if (flushTimer) { clearTimeout(flushTimer); flushTimer = null; } const text = joinText(textParts); // 先收遮罩再做后续:toast 固定在 bottom:96px,遮罩还在时弹出来会压住声波 resetUI(); if (!text) { toast('没有识别到内容'); return; } ta.value = text; send(); }); } window.onNativeVoiceState = function (s) { if (!native || s !== 'recording' || phase !== 'recording') return; // 真正开录:180s 与「太短」判定从这一刻算(首次授权弹窗的时间不算) recordStartAt = Date.now(); if (stopTimer) clearTimeout(stopTimer); stopTimer = setTimeout(finishHold, MAX_MS); if (!pressing) finishHold(); // 弹窗期间已经松手:立刻收口(held≈0 → 丢弃) }; window.onNativeVoiceError = function (code, message) { if (phase === 'idle') return; abortStream(); resetUI(); // 生命周期打断(切后台/换页)属预期,不弹提示 if (code === 'cancelled' || code === 'canceled') return; toast(code === 'too_short' ? '说话时间太短,请按住再说' : '录音失败:' + String(message || code || '未知错误')); }; // ---------- 对外暴露给发送键 / sessions.js 的状态查询 ---------- window.AgentVoice = { isAvailable: function () { return available; }, isVoiceMode: function () { return mode; }, enter: enter, exit: exit }; // 能力判定:桥优先;没有桥就得是安全上下文(浏览器不允许 http 页面开麦) if (!native && !webOk) { console.info('[voice] 语音入口未启用:没有 window.AgentNative,且当前不是安全上下文(需 HTTPS,或由套壳 App 注入原生桥)'); return; } // 服务端没接线(core 的 ASR_URL 为空,或 config.yml 里没有可用的 asr 段)就不给入口; // 探测失败则照常启用(不因一次探测失败就永久藏掉入口)。 req('GET', '/api/asr/status').then(function (s) { if (s && s.enabled === false) { console.info('[voice] 语音入口未启用:' + ((s && s.reason) || '服务端未配置语音识别')); return; } available = true; updateSendBtn(); }).catch(function () { available = true; updateSendBtn(); }); })();