primeira versão customizada de VAD- Voice Activity Detection
This commit is contained in:
@@ -29,6 +29,8 @@ class FakeWebSocket {
|
||||
|
||||
globalThis.WebSocket = FakeWebSocket;
|
||||
globalThis.cancelAnimationFrame = () => {};
|
||||
globalThis.requestAnimationFrame = () => 1;
|
||||
|
||||
|
||||
afterEach(() => {
|
||||
// Restore only state modified by individual tests.
|
||||
@@ -145,27 +147,31 @@ test("speech end requests worklet flush", () => {
|
||||
assert.equal(controller.ws.sent.length, 0);
|
||||
});
|
||||
|
||||
|
||||
test("audio.stop is sent after flushed", () => {
|
||||
const { controller } = makeController();
|
||||
|
||||
controller.turnId = 1;
|
||||
controller.setState("flushing");
|
||||
|
||||
controller.handlePCM(new ArrayBuffer(4));
|
||||
controller.handleFlushed();
|
||||
|
||||
const messages = controller.ws.sent
|
||||
.filter((message) => typeof message === "string")
|
||||
.map((message) => JSON.parse(message));
|
||||
|
||||
assert.ok(
|
||||
messages.some(
|
||||
(message) =>
|
||||
message.type === "audio.stop" &&
|
||||
message.turn_id === 1
|
||||
)
|
||||
);
|
||||
|
||||
assert.equal(controller.state, "processing");
|
||||
|
||||
const lastMessage = JSON.parse(controller.ws.sent.at(-1));
|
||||
|
||||
assert.deepEqual(lastMessage, {
|
||||
type: "audio.stop",
|
||||
turn_id: 1,
|
||||
});
|
||||
|
||||
assert.equal(controller.ws.sent.length, 3);
|
||||
});
|
||||
|
||||
|
||||
test("speech ending before turn.started is handled", () => {
|
||||
const { controller, workletMessages } = makeController();
|
||||
|
||||
@@ -337,3 +343,393 @@ test("binary audio is forwarded to PCMPlayer", async () => {
|
||||
|
||||
assert.deepEqual(received, [pcm]);
|
||||
});
|
||||
|
||||
|
||||
|
||||
test("barge-in stops playback and starts a new turn", () => {
|
||||
const { controller } = makeController();
|
||||
|
||||
let playbackStopped = false;
|
||||
|
||||
controller.player = {
|
||||
stop() {
|
||||
playbackStopped = true;
|
||||
},
|
||||
reset() {},
|
||||
};
|
||||
|
||||
controller.turnId = 1;
|
||||
controller.setState("speaking");
|
||||
|
||||
// Simulate user speech detected during TTS.
|
||||
controller.requestBargeIn();
|
||||
|
||||
assert.equal(playbackStopped, true);
|
||||
assert.equal(controller.state, "interrupting");
|
||||
assert.equal(controller.bargeInPending, true);
|
||||
|
||||
assert.deepEqual(
|
||||
JSON.parse(controller.ws.sent[0]),
|
||||
{
|
||||
type: "interrupt",
|
||||
turn_id: 1,
|
||||
}
|
||||
);
|
||||
|
||||
// Gateway confirms the previous turn was cancelled.
|
||||
controller.handleGatewayEvent({
|
||||
type: "interrupted",
|
||||
turn_id: 1,
|
||||
});
|
||||
|
||||
assert.equal(controller.state, "starting");
|
||||
assert.equal(controller.ws.closed, false);
|
||||
|
||||
assert.deepEqual(
|
||||
JSON.parse(controller.ws.sent[1]),
|
||||
{
|
||||
type: "audio.start",
|
||||
}
|
||||
);
|
||||
|
||||
// Gateway accepts the new turn.
|
||||
controller.handleGatewayEvent({
|
||||
type: "turn.started",
|
||||
turn_id: 2,
|
||||
});
|
||||
|
||||
assert.equal(controller.turnId, 2);
|
||||
assert.equal(controller.state, "recording");
|
||||
assert.equal(controller.bargeInPending, false);
|
||||
});
|
||||
|
||||
|
||||
|
||||
test("barge-in preserves PCM until new turn starts", () => {
|
||||
const { controller } = makeController();
|
||||
|
||||
controller.player = {
|
||||
stop() {},
|
||||
reset() {},
|
||||
};
|
||||
|
||||
controller.turnId = 1;
|
||||
controller.setState("speaking");
|
||||
|
||||
const pcm1 = new ArrayBuffer(4);
|
||||
const pcm2 = new ArrayBuffer(6);
|
||||
const pcm3 = new ArrayBuffer(8);
|
||||
|
||||
// Audio captured before speech confirmation.
|
||||
controller.handlePCM(pcm1);
|
||||
|
||||
controller.requestBargeIn();
|
||||
|
||||
// Audio captured while interruption is pending.
|
||||
controller.handlePCM(pcm2);
|
||||
|
||||
assert.equal(controller.ws.sent.length, 1);
|
||||
assert.equal(controller.bargeInBuffer.length, 2);
|
||||
|
||||
controller.handleGatewayEvent({
|
||||
type: "interrupted",
|
||||
turn_id: 1,
|
||||
});
|
||||
|
||||
// Still no PCM sent to the old turn.
|
||||
assert.equal(controller.state, "starting");
|
||||
assert.equal(controller.ws.sent.length, 2);
|
||||
|
||||
// Additional speech arrives before turn.started.
|
||||
controller.handlePCM(pcm3);
|
||||
|
||||
controller.handleGatewayEvent({
|
||||
type: "turn.started",
|
||||
turn_id: 2,
|
||||
});
|
||||
|
||||
const sent = controller.ws.sent;
|
||||
|
||||
assert.deepEqual(
|
||||
JSON.parse(sent[0]),
|
||||
{ type: "interrupt", turn_id: 1 }
|
||||
);
|
||||
|
||||
assert.deepEqual(
|
||||
JSON.parse(sent[1]),
|
||||
{ type: "audio.start" }
|
||||
);
|
||||
|
||||
assert.deepEqual(
|
||||
JSON.parse(sent[2]),
|
||||
{
|
||||
type: "audio.chunk",
|
||||
turn_id: 2,
|
||||
sequence_number: 0,
|
||||
}
|
||||
);
|
||||
|
||||
assert.equal(sent[3], pcm1);
|
||||
|
||||
assert.deepEqual(
|
||||
JSON.parse(sent[4]),
|
||||
{
|
||||
type: "audio.chunk",
|
||||
turn_id: 2,
|
||||
sequence_number: 1,
|
||||
}
|
||||
);
|
||||
|
||||
assert.equal(sent[5], pcm2);
|
||||
|
||||
assert.deepEqual(
|
||||
JSON.parse(sent[6]),
|
||||
{
|
||||
type: "audio.chunk",
|
||||
turn_id: 2,
|
||||
sequence_number: 2,
|
||||
}
|
||||
);
|
||||
|
||||
assert.equal(sent[7], pcm3);
|
||||
|
||||
assert.equal(controller.sequence, 3);
|
||||
assert.equal(controller.state, "recording");
|
||||
});
|
||||
|
||||
|
||||
test("barge-in finishes speech before new turn starts", () => {
|
||||
const { controller, workletMessages } = makeController();
|
||||
|
||||
controller.player = {
|
||||
stop() {},
|
||||
reset() {},
|
||||
};
|
||||
|
||||
controller.turnId = 1;
|
||||
controller.setState("speaking");
|
||||
|
||||
const pcm = new ArrayBuffer(8);
|
||||
|
||||
controller.handlePCM(pcm);
|
||||
controller.requestBargeIn();
|
||||
|
||||
// User finishes speaking before the Gateway responds.
|
||||
controller.finishBargeInSpeech();
|
||||
|
||||
assert.equal(controller.bargeInSpeechEnded, true);
|
||||
|
||||
controller.handleGatewayEvent({
|
||||
type: "interrupted",
|
||||
turn_id: 1,
|
||||
});
|
||||
|
||||
assert.equal(controller.state, "starting");
|
||||
|
||||
controller.handleGatewayEvent({
|
||||
type: "turn.started",
|
||||
turn_id: 2,
|
||||
});
|
||||
|
||||
// Buffered audio must be transmitted before flushing.
|
||||
assert.equal(controller.sequence, 1);
|
||||
|
||||
assert.deepEqual(
|
||||
JSON.parse(controller.ws.sent[2]),
|
||||
{
|
||||
type: "audio.chunk",
|
||||
turn_id: 2,
|
||||
sequence_number: 0,
|
||||
}
|
||||
);
|
||||
|
||||
assert.equal(controller.ws.sent[3], pcm);
|
||||
assert.equal(controller.state, "flushing");
|
||||
|
||||
assert.deepEqual(
|
||||
workletMessages.at(-1),
|
||||
{ type: "flush" }
|
||||
);
|
||||
});
|
||||
|
||||
|
||||
|
||||
|
||||
test("barge-in continues recording until speech ends", () => {
|
||||
const { controller, workletMessages } = makeController();
|
||||
|
||||
controller.player = {
|
||||
stop() {},
|
||||
reset() {},
|
||||
};
|
||||
|
||||
controller.turnId = 1;
|
||||
controller.setState("speaking");
|
||||
|
||||
controller.bargeInVad.start();
|
||||
controller.requestBargeIn();
|
||||
|
||||
controller.handleGatewayEvent({
|
||||
type: "interrupted",
|
||||
turn_id: 1,
|
||||
});
|
||||
|
||||
controller.handleGatewayEvent({
|
||||
type: "turn.started",
|
||||
turn_id: 2,
|
||||
});
|
||||
|
||||
assert.equal(controller.state, "recording");
|
||||
assert.equal(controller.bargeInRecording, true);
|
||||
assert.equal(controller.bargeInVad.active, true);
|
||||
|
||||
// Speech continues after the new turn starts.
|
||||
const pcm = new ArrayBuffer(8);
|
||||
controller.handlePCM(pcm);
|
||||
|
||||
assert.equal(controller.sequence, 1);
|
||||
|
||||
// Barge-in VAD detects the end of speech.
|
||||
controller.finishBargeInSpeech();
|
||||
|
||||
assert.equal(controller.bargeInRecording, false);
|
||||
assert.equal(controller.state, "flushing");
|
||||
|
||||
assert.deepEqual(
|
||||
workletMessages.at(-1),
|
||||
{ type: "flush" }
|
||||
);
|
||||
|
||||
// Worklet confirms that remaining PCM was emitted.
|
||||
controller.handleFlushed();
|
||||
|
||||
assert.equal(controller.state, "processing");
|
||||
|
||||
const messages = controller.ws.sent
|
||||
.filter((message) => typeof message === "string")
|
||||
.map((message) => JSON.parse(message));
|
||||
|
||||
assert.ok(
|
||||
messages.some(
|
||||
(message) =>
|
||||
message.type === "audio.stop" &&
|
||||
message.turn_id === 2
|
||||
)
|
||||
);
|
||||
});
|
||||
|
||||
|
||||
test("late INVALID_TURN recovers barge-in session", () => {
|
||||
const { controller } = makeController();
|
||||
|
||||
controller.player = {
|
||||
stop() {},
|
||||
reset() {},
|
||||
};
|
||||
|
||||
controller.turnId = 1;
|
||||
controller.setState("speaking");
|
||||
|
||||
controller.requestBargeIn();
|
||||
|
||||
assert.equal(controller.state, "interrupting");
|
||||
|
||||
controller.handleGatewayEvent({
|
||||
type: "error",
|
||||
code: "INVALID_TURN",
|
||||
message: "Turn 1 is no longer active.",
|
||||
turn_id: 1,
|
||||
});
|
||||
|
||||
assert.equal(controller.state, "starting");
|
||||
assert.equal(controller.ws.closed, false);
|
||||
|
||||
const messages = controller.ws.sent
|
||||
.filter((message) => typeof message === "string")
|
||||
.map((message) => JSON.parse(message));
|
||||
|
||||
assert.deepEqual(
|
||||
messages.map((message) => message.type),
|
||||
["interrupt", "audio.start"]
|
||||
);
|
||||
|
||||
controller.handleGatewayEvent({
|
||||
type: "turn.started",
|
||||
turn_id: 2,
|
||||
});
|
||||
|
||||
assert.equal(controller.state, "recording");
|
||||
assert.equal(controller.turnId, 2);
|
||||
});
|
||||
|
||||
|
||||
test("late TTS chunk during barge-in does not close session", () => {
|
||||
const { controller } = makeController();
|
||||
|
||||
let stopped = false;
|
||||
|
||||
controller.player = {
|
||||
stop() {
|
||||
stopped = true;
|
||||
},
|
||||
reset() {},
|
||||
};
|
||||
|
||||
controller.turnId = 1;
|
||||
controller.setState("speaking");
|
||||
|
||||
controller.requestBargeIn();
|
||||
|
||||
assert.equal(stopped, true);
|
||||
assert.equal(controller.state, "interrupting");
|
||||
|
||||
// A late PCM chunk from the interrupted TTS.
|
||||
controller.handleAudioChunk(new ArrayBuffer(8));
|
||||
|
||||
// The WebSocket session must remain alive.
|
||||
assert.equal(controller.ws.closed, false);
|
||||
assert.equal(controller.state, "interrupting");
|
||||
assert.equal(controller.bargeInPending, true);
|
||||
});
|
||||
|
||||
|
||||
test("barge-in resets player before new TTS response", () => {
|
||||
const { controller } = makeController();
|
||||
|
||||
let finished = false;
|
||||
let resetCount = 0;
|
||||
|
||||
controller.player = {
|
||||
stop() {
|
||||
finished = true;
|
||||
},
|
||||
|
||||
reset() {
|
||||
finished = false;
|
||||
resetCount++;
|
||||
},
|
||||
};
|
||||
|
||||
controller.turnId = 1;
|
||||
controller.setState("speaking");
|
||||
|
||||
controller.requestBargeIn();
|
||||
|
||||
assert.equal(finished, true);
|
||||
|
||||
controller.handleGatewayEvent({
|
||||
type: "interrupted",
|
||||
turn_id: 1,
|
||||
});
|
||||
|
||||
assert.equal(controller.state, "starting");
|
||||
|
||||
controller.handleGatewayEvent({
|
||||
type: "turn.started",
|
||||
turn_id: 2,
|
||||
});
|
||||
|
||||
assert.equal(controller.state, "recording");
|
||||
assert.equal(finished, false);
|
||||
assert.equal(resetCount, 1);
|
||||
});
|
||||
|
||||
Reference in New Issue
Block a user