feat(barge-in): Unterbrechen der KI-Antwort per Mikrofon-Button und Enter
Web-Interface (app.js):
- Mic-Button hat jetzt 3 Zustände: idle (grün 🎤) / Aufnahme (rot pulsierend) /
KI antwortet (amber ⏹, klicken = Barge-in)
- Barge-in sendet {"type":"interrupt"} auf der aktiven WS-Verbindung (activeWs)
und stoppt alle laufenden AudioBufferSourceNodes sofort (stopAudio)
- busy + Button-Reset erfolgen automatisch wenn die WS schliesst
Terminal (voice_loop.py):
- _stdin_watcher(): polling via select.select (nicht-blockierend, kein Thread-Leak)
wartet auf Enter-Tastendruck waehrend Server antwortet
- _send_and_play() raced one_turn gegen _stdin_watcher mit asyncio.wait;
bei Barge-in: interrupt-Frame an Server, Player.terminate(), feeder beenden
- Feedback: "↩ Unterbrochen — drücke [Enter] für neue Aufnahme …"
Server-Seite war bereits vollstaendig implementiert (ws.py, kein Handlungsbedarf).
Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
This commit is contained in:
parent
68b02f42a1
commit
0d907a1886
2 changed files with 111 additions and 12 deletions
|
|
@ -32,6 +32,7 @@ import signal
|
|||
import subprocess
|
||||
import sys
|
||||
import tempfile
|
||||
import select
|
||||
import time
|
||||
import wave
|
||||
|
||||
|
|
@ -256,6 +257,22 @@ async def _player_feeder(player, queue: "asyncio.Queue") -> None:
|
|||
await asyncio.to_thread(_feed_player, player, chunk)
|
||||
|
||||
|
||||
async def _stdin_watcher() -> None:
|
||||
"""Wartet per Polling auf Enter-Tastendruck fuer Barge-in.
|
||||
|
||||
Kein blockierender Thread: select.select mit Timeout 0 ist nicht-blockierend
|
||||
und funktioniert zuverlaessig auf Linux/macOS mit echtem tty-stdin.
|
||||
Canceln ist sicher (kein Zeichen wird konsumiert, ausser Enter wird tatsaechlich
|
||||
gedrueckt und diese Funktion war diejenige, die ihn gelesen hat).
|
||||
"""
|
||||
while True:
|
||||
ready, _, _ = select.select([sys.stdin], [], [], 0)
|
||||
if ready:
|
||||
sys.stdin.readline() # Enter-Zeilenumbruch konsumieren
|
||||
return
|
||||
await asyncio.sleep(0.05)
|
||||
|
||||
|
||||
def _start_frame(args) -> dict:
|
||||
frame = {"type": "start", "format": "wav"}
|
||||
# audio_stream ist Tri-State: True/False explizit, None -> Server-Default entscheidet.
|
||||
|
|
@ -325,6 +342,10 @@ async def one_turn(ws, wav: bytes, start_frame: dict, queue: "asyncio.Queue | No
|
|||
async def _send_and_play(url: str, wav: bytes, start_frame: dict) -> None:
|
||||
"""Eine kurze Verbindung pro Runde (Gedaechtnis bleibt serverseitig via session_id).
|
||||
|
||||
Barge-in: Waehrend der Server antwortet, wartet _stdin_watcher() auf Enter.
|
||||
Wird Enter gedrueckt, sendet der Client {"type":"interrupt"}, der Server bricht
|
||||
den Turn ab, der Player wird sofort beendet.
|
||||
|
||||
Es wird immer ein durchgehender Player benutzt: der spielt sowohl viele Haeppchen
|
||||
(Stream-Audio) als auch ein einzelnes Komplett-Audio luekenlos ab. Wird kein Player
|
||||
gefunden, wird das Audio gesammelt und als WAV abgespielt. Die Wiedergabe blockiert
|
||||
|
|
@ -333,17 +354,52 @@ async def _send_and_play(url: str, wav: bytes, start_frame: dict) -> None:
|
|||
queue: asyncio.Queue | None = asyncio.Queue() if player is not None else None
|
||||
feeder = asyncio.create_task(_player_feeder(player, queue)) if queue is not None else None
|
||||
audio = b""
|
||||
interrupted = False
|
||||
try:
|
||||
# ping_timeout/max_queue defensiv: lange Antworten + Echtzeit-Wiedergabe ueberleben.
|
||||
async with websockets.connect(url, max_size=None, max_queue=None, ping_timeout=60) as ws:
|
||||
audio = await one_turn(ws, wav, start_frame, queue)
|
||||
turn_task = asyncio.create_task(one_turn(ws, wav, start_frame, queue))
|
||||
watcher_task = asyncio.create_task(_stdin_watcher())
|
||||
done, _ = await asyncio.wait(
|
||||
{turn_task, watcher_task},
|
||||
return_when=asyncio.FIRST_COMPLETED,
|
||||
)
|
||||
if turn_task in done:
|
||||
# Normales Ende — Watcher canceln (kein Zeichen konsumiert)
|
||||
watcher_task.cancel()
|
||||
audio = turn_task.result()
|
||||
else:
|
||||
# Barge-in: Enter wurde gedrueckt
|
||||
interrupted = True
|
||||
try:
|
||||
await ws.send(json.dumps({"type": "interrupt"}))
|
||||
except Exception:
|
||||
pass
|
||||
turn_task.cancel()
|
||||
try:
|
||||
await turn_task
|
||||
except asyncio.CancelledError:
|
||||
pass
|
||||
finally:
|
||||
if feeder is not None:
|
||||
queue.put_nowait(None) # Feeder beenden, restliche Haeppchen noch abspielen
|
||||
await feeder
|
||||
queue.put_nowait(None) # Feeder beenden
|
||||
if interrupted and player is not None:
|
||||
player.terminate() # sofort stoppen statt Restpuffer abwarten
|
||||
try:
|
||||
await feeder
|
||||
except Exception:
|
||||
pass
|
||||
if player is not None:
|
||||
await asyncio.to_thread(_close_player, player)
|
||||
if audio: # nur wenn kein Streaming-Player verfuegbar war
|
||||
if interrupted:
|
||||
try:
|
||||
player.wait(timeout=2)
|
||||
except subprocess.TimeoutExpired:
|
||||
player.kill()
|
||||
else:
|
||||
await asyncio.to_thread(_close_player, player)
|
||||
if interrupted:
|
||||
print(" ↩ Unterbrochen — drücke [Enter] für neue Aufnahme …")
|
||||
elif audio: # nur wenn kein Streaming-Player verfuegbar war
|
||||
play_pcm(audio)
|
||||
|
||||
|
||||
|
|
|
|||
Loading…
Add table
Add a link
Reference in a new issue