[asr/long-input] 诊断并修复长语音丢内容

[Cooper-X-Oak]

This was generated by AI during triage.

Parent

#478

Triage

• Category: bug
• State: ready-for-agent
• Requested state label: ready-for-agent
• Requested repository labels (not applied by this run due label permissions): bug

What to build

诊断并修复长语音输入后半段丢失或被省略号替代的问题。必须先确定丢内容发生在录音、ASR、分段合并、LLM polish、token 限制、history 存储，还是 UI 展示层，再做单点修复。

Acceptance criteria

• 构造一条可重复的长输入验证样本：固定长音频、固定 mock ASR result，或固定长 transcript。
• 记录并对比 raw audio/session metadata、raw ASR result、polish input、polish output、history stored text、UI displayed text。
• 明确标出 expected 与 actual 首次发生分歧的层。
• 如果是 LLM polish 截断，修复 token/max output/prompt 分段策略，并添加回归测试。
• 如果是 ASR 或分段收尾丢失，修复流式收尾/merge 逻辑，并添加回归测试。
• 修复不能靠叠加多个 speculative fixes；每个改动必须对应已定位的分歧层。

Blocked by

None - can start immediately.

Evidence

#353: Reporter 反馈长语音经常出现后半部分缺失，有时出现“......”省略号；使用 model 为 gemini + qwen 量化版；附带结果截图。

Expected / Actual

Expected: 长语音的原始内容在 ASR、polish 和最终展示中保持完整；如果因为长度限制必须截断，应显式提示，而不是静默丢失。

Actual: 长语音后半段缺失或被省略号替代，用户需要二次修改。

Validation gate

• 新增或复用一条长输入回归测试，能在无真实麦克风情况下验证分层输入/输出完整性。
• 运行：cargo test --manifest-path src-tauri/Cargo.toml --lib。
• 运行：npm run build。
• 如修复涉及真实 ASR，补充一条人工或脚本化 Windows/macOS 长语音验证记录。

[Cooper-X-Oak]

This was generated by AI during triage.

Evidence Update

#353 的 reporter 追加说明把分歧点收窄到了本地 Qwen ASR 收尾：说完后等待 5-10 秒再按快捷键不会丢内容；说完立刻按快捷键更容易丢后续内容。Claude 之前的根因分析对应两条缺陷：

• 本地 Qwen3-ASR 的 qwen_transcribe_stream 按 2s chunk 处理；立即 stop 时末尾不足 2s 的 chunk 没有静默收尾，C 引擎可能丢掉该 chunk 转写。
• 固定 15s 全局 timeout 对较长录音不够，60s 音频在 RTF 0.3-0.5 的机器上可能被整体 timeout。

Expected / Actual

Expected:

• Local Qwen ASR 在用户说完立刻 stop 时，末尾 chunk 也应被稳定 flush。
• 长录音 timeout 应随原始音频时长增长，不能继续用固定 15s 把整段结果丢掉。
• Padding 不应污染用户看到的 duration_ms。

Actual in current source:

• src-tauri/src/asr/local/local_provider.rs 已在 transcribe() 中先用原始 pcm_bytes 计算 duration_ms，再把 PCM 转成 f32 samples，并追加 8_000 个 0.0f32 sample，即 16kHz 下 0.5s 静默，最后把 padded samples 交给 engine.transcribe_stream(&samples_f32)。
• LocalQwenAsr::buffer_duration_ms() 用原始 buffer 长度计算音频时长。
• src-tauri/src/coordinator/dictation.rs 在 consuming local.transcribe() 前先读取 buffer_duration_ms()，计算 local_qwen_transcribe_timeout(audio_secs)，再用该动态 timeout 包住本地 Qwen 转写。
• src-tauri/src/coordinator.rs 中 timeout 公式为 max(15, ceil(audio_s * 0.6) + 10)，并已有 4 个 Rust 单测覆盖短音频、长音频、小数秒和 0 秒边界。

Divergence Layer

#353 的已知 reporter 现象与当前源码修复点一致：首次分歧不在 polish/history/UI，而在本地 Qwen ASR 收尾与转写 timeout 层。当前 source 已包含逻辑修复；本轮新增门禁把这两条证据链锁住。

Validation Gate

Added:

• scripts/long-input-local-qwen-contract.test.mjs

Passed locally from openless-all/app:

node .\scripts\long-input-local-qwen-contract.test.mjs

Passed targeted Rust tests:

$env:OPENLESS_EMBED_COMMON_CONTROLS_V6_MANIFEST = '1'
cargo test --manifest-path src-tauri/Cargo.toml --lib local_qwen_timeout -- --nocapture

Result: 4 passed, 0 failed.

Frontend build also passed:

npm run build

State

Local completion criteria for this slice are met. No Windows 10/manual reporter confirmation is blocking this pass; if release users still report truncation, the next issue should attach raw audio/session metadata, raw ASR output, polish input/output, and history/display text to test a different divergence layer.

[Cooper-X-Oak]

Closing per author request. I am pausing involvement with this project for now.