From 417fbbd9f5e610e17902e9c843a71e8376dbcca9 Mon Sep 17 00:00:00 2001 From: ssurui Date: Tue, 6 Oct 2026 10:34:21 +0800 Subject: [PATCH] =?UTF-8?q?fix:=20=E4=BF=AE=E6=AD=A3=E9=9F=B3=E9=A2=91?= =?UTF-8?q?=E9=80=9A=E8=B7=AF=E5=8D=A1=E6=AD=BB=E5=AF=BC=E8=87=B4=E8=AF=AD?= =?UTF-8?q?=E9=9F=B3=E8=BE=93=E5=85=A5=E8=BE=93=E5=87=BA=E9=95=BF=E6=97=B6?= =?UTF-8?q?=E9=97=B4=E8=BF=90=E8=A1=8C=E5=90=8E=E5=A4=B1=E6=95=88=E7=9A=84?= =?UTF-8?q?=E9=97=AE=E9=A2=98?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit 用户反馈 pad 长时间运行后语音输入输出都不再工作，拿到的现场诊断显示： pulseaudio 占 49% CPU，系统里积压了 70 个从 7月5日就存在的 `aplay -t raw` 残留进程。 根因：systemTts.ts 每次播报一个分句都会 spawn 一个 aplay 子进程， 全部数据写完后调用 stdin.end()，然后完全依赖 aplay 自己触发 'exit' 事件才清理状态（isSpeaking = false）。这台设备的 PulseAudio 大约空闲 5 秒就会把音频设备挂起（代码里已有相关注释），长时间运行后一旦某次 "唤醒音频通路"没成功，aplay 就会卡在往挂死的通路写数据，stdin.end() 之后永远等不到 'exit'——播放侧完全没有超时兜底（合成侧 vitsWorker 倒是 已经有 60 秒超时）。isSpeaking 永久卡 true，playNext() 再不会处理 队列里的后续句子，整个 TTS 直接哑掉；ASR 走的是渲染进程里 getUserMedia/AudioContext，用的是同一个被拖垮的 PulseAudio 实例， 所以语音输入也跟着失效。更麻烦的是 systemTtsStop() 只发 SIGTERM， 卡在系统调用里的 aplay 收不到效果杀不掉——每次打断播报（每次提问前 都会调用一次）都可能在后台攒下一个杀不死的僵尸进程，日积月累到 70 个， 把 PulseAudio 彻底拖垮。 修复（src/main/tts/systemTts.ts）： 1. speakWithVits / speakWithPiperStreaming 的播放阶段新增 PLAYER_EXIT_TIMEOUT_MS（8 秒）看门狗：stdin.end() 后超时未触发 'exit' 就判定音频通路卡死，SIGKILL 强杀并以 done(error) 收尾， 让队列能继续推进而不是永久卡死。 2. systemTtsStop() 新增 killWithEscalation()：先 SIGTERM，1.5 秒 宽限期后进程还没退出再 SIGKILL，避免每次打断播报都在后台攒一个 杀不掉的僵尸进程。 验证：真机上先用 pkill 清掉 70 个残留 aplay、重启 pulseaudio （CPU 49% 降到 1.6%），部署修复后： - 正常播报全程无异常，结束后无残留进程 - 用 kill -STOP 冻结 pulseaudio 制造"音频通路卡死"的真实场景， 看门狗在 7.8 秒（吻合 8 秒超时设定）后正确强杀卡住的 aplay， 队列自动继续播放下一句，全程结束后无残留进程 过程中还排查了一次 pad 网络连不上的问题：本机 Clash for Windows 开着 TUN 模式且运行在全局模式（mode: global），局域网流量也会被 接管，与此次 TTS/ASR bug 无关，已切回 rule 模式；pad 本身 IP 没变， 是 ARP 缓存过期，pad 主动 ping 一次后双方缓存刷新即恢复，供以后 排查类似"局域网设备连不上"问题参考。 Co-Authored-By: Claude Sonnet 5 Claude-Session: https://claude.ai/code/session_01QeoAy5KmkHuKWHAktpEsaN --- src/main/tts/systemTts.ts | 94 ++++++++++++++++++++++++++++++++++----- 1 file changed, 84 insertions(+), 10 deletions(-) diff --git a/src/main/tts/systemTts.ts b/src/main/tts/systemTts.ts index 87d4916..98e44c6 100644 --- a/src/main/tts/systemTts.ts +++ b/src/main/tts/systemTts.ts @@ -207,6 +207,18 @@ const WAKE_TIMEOUT_MS = WAKE_SILENCE_MS + 3000 const PAUSE_LONG_MS = 200 const PAUSE_SHORT_MS = 100 +/** + * stdin 写完（EOF）后等待播放器自行退出的最长时间。正常情况下 aplay 把缓冲里剩余的 + * 音频播完就会退出，通常远小于 1 秒。真机长时间运行后发现过 PulseAudio 音频通路挂起 + * 唤醒失败的情况（见上面 WAKE_IDLE_THRESHOLD_MS 的注释——这台设备的 PulseAudio 大约 + * 5 秒空闲就会把音频设备挂起），aplay 卡在给挂死的通路写数据，stdin.end() 之后永远不 + * 触发 'exit'：没有这个兜底的话，isSpeaking 会永久卡在 true，playNext() 再也不会处理 + * 队列里后续的句子，相当于整个 TTS 直接哑掉；ASR 共用同一个 PulseAudio 实例，通路卡死 + * 后录音也会跟着失败，这正是"长时间运行后语音输入输出都不行"的根因。超时后强制 + * SIGKILL 并以 done(error) 收尾，让队列能继续推进而不是永久卡死。 + */ +const PLAYER_EXIT_TIMEOUT_MS = 8000 + /** 生成指定时长的裸静音 PCM（s16le 单声道） */ function buildSilenceRaw(durationMs: number, sampleRate: number): Buffer { return Buffer.alloc(Math.floor((sampleRate * durationMs) / 1000) * 2) @@ -611,9 +623,17 @@ function speakWithPiperStreaming( const fullText = segments.join('') let resolved = false + let playerExitTimer: NodeJS.Timeout | null = null + const clearPlayerExitTimer = () => { + if (playerExitTimer) { + clearTimeout(playerExitTimer) + playerExitTimer = null + } + } const done = (error?: string) => { if (resolved) return resolved = true + clearPlayerExitTimer() cleanup() try { rmSync(segDir, { recursive: true, force: true }) @@ -744,6 +764,19 @@ function speakWithPiperStreaming( } catch { // ignore } + // 见 PLAYER_EXIT_TIMEOUT_MS 注释：音频通路卡死时 aplay 可能永远不触发 'exit'， + // 这里兜底强制结束，避免 isSpeaking 卡死导致后续队列全部哑掉。 + const stuckPlayer = currentPlayer + playerExitTimer = setTimeout(() => { + if (!isAlive()) return + console.warn('[systemTts] 播放器退出超时，判定音频通路卡死，强制结束本轮播报') + try { + stuckPlayer?.kill('SIGKILL') + } catch { + // ignore + } + done('player exit timeout') + }, PLAYER_EXIT_TIMEOUT_MS) } })() @@ -911,10 +944,18 @@ function speakWithVits(segments: string[], needWake: boolean): Promise { const segDir = mkdtempSync(join(tmpdir(), 'tts-vits-')) let resolved = false + let playerExitTimer: NodeJS.Timeout | null = null + const clearPlayerExitTimer = () => { + if (playerExitTimer) { + clearTimeout(playerExitTimer) + playerExitTimer = null + } + } const isAlive = () => myToken === ttsStreamToken && !resolved const done = (error?: string) => { if (resolved) return resolved = true + clearPlayerExitTimer() // 通知 worker 停止后续合成（模型保持加载，worker 常驻不退出） try { vitsWorker?.send({ cmd: 'cancel' }) @@ -1015,6 +1056,20 @@ function speakWithVits(segments: string[], needWake: boolean): Promise { } catch { // ignore } + // 数据已全部写完，正常情况下 aplay 播完缓冲就会触发上面的 'exit' 处理器。 + // 若音频通路卡死（见 PLAYER_EXIT_TIMEOUT_MS 注释），'exit' 永远不会来， + // 这里兜底强制结束本轮播报，避免 isSpeaking 卡死导致后续队列全部哑掉。 + const stuckPlayer = currentPlayer + playerExitTimer = setTimeout(() => { + if (!isAlive()) return + console.warn('[systemTts] 播放器退出超时，判定音频通路卡死，强制结束本轮播报') + try { + stuckPlayer?.kill('SIGKILL') + } catch { + // ignore + } + done('player exit timeout') + }, PLAYER_EXIT_TIMEOUT_MS) } })() @@ -1179,6 +1234,33 @@ export async function systemTtsSpeak(text: string): Promise { }) } +/** + * 先 SIGTERM，一段宽限期后如果进程还没退出再 SIGKILL。 + * 音频通路卡死时 aplay 可能卡在不可中断的系统调用里，单发 SIGTERM 不一定能把它 + * 真正杀掉——这里只是把 JS 里的引用清空了、不代表对应的系统进程真的退出了，不加 + * 兜底的话每次中途打断播报都可能在后台攒下一个杀不掉的僵尸 aplay，长时间运行下来 + * 越积越多，最终把 PulseAudio 拖垮（见 PLAYER_EXIT_TIMEOUT_MS 注释）。 + */ +function killWithEscalation(proc: ChildProcess, graceMs = 1500): void { + let exited = false + proc.once('exit', () => { + exited = true + }) + try { + proc.kill('SIGTERM') + } catch { + // ignore + } + setTimeout(() => { + if (exited) return + try { + proc.kill('SIGKILL') + } catch { + // ignore + } + }, graceMs) +} + export function systemTtsStop(): void { // 递增代际标记，进行中的分段喂流循环会据此中止 ttsStreamToken++ @@ -1190,11 +1272,7 @@ export function systemTtsStop(): void { } catch { // ignore } - try { - currentProcess.kill('SIGTERM') - } catch { - // ignore - } + killWithEscalation(currentProcess) currentProcess = null } if (currentPlayer) { @@ -1203,11 +1281,7 @@ export function systemTtsStop(): void { } catch { // ignore } - try { - currentPlayer.kill('SIGTERM') - } catch { - // ignore - } + killWithEscalation(currentPlayer) currentPlayer = null } queue = []