语音识别系统无法对中文进行很好的识别，中文长对话需要分多次发送

[aryecatcher]

经常性会识别失误，排除发音不清问题，此外，对于中文检测的窗口期时间设置不是很久，长对话需要分两次发送，中间会有AI对话打断的情况

[Lucas1479]

感谢补充，这个场景我们进一步对照了 barge-in handoff 链路。初步看问题不只是普通 VAD 静音窗口：当前用户在角色播放期间插话后，会进入一条独立的 handoff capture，而这条路径存在默认 5 秒的安全上限。达到上限后，即使用户仍在持续说话，也可能被作为一个完整用户轮次提交，随后助手开始回复，剩余语音再次触发打断。

这个 5 秒上限原本用于避免 handoff 后 VAD 没有正确观察到 speech start、进而长时间无法结束录音，但它不应该成为“用户已经说完”的依据。我们会把 handoff 安全超时与正式用户轮次提交拆开：保留句首 pre-roll，在 VAD 接管后允许正常长语音；即使底层需要分段，也应继续合并在同一个用户轮次中，并在确认说话结束前保持助手输出关闭。

如果方便，请确认日志中是否出现类似：
[BargeIn] speech start
[MicInput] ASR capture consumed handoff frames=...
[MicInput] ASR capture finish reason=handoff_max duration=...

如果 reason=handoff_max 且时长接近 5～7 秒，就能确认命中了这条问题路径。识别错误我们也会同时检查 pre-roll 中是否混入了未充分消除的角色尾音。

[aryecatcher]

您好，定位确实很精准，在日志中存在上述三条，仅做部分截取，reason=handoff_max 且时长为6.3秒，有
[BargeIn] speech start
日志时间：22:20:01,913
完整日志：[asr.barge_in_detector] INFO: [BargeIn] speech start source=residual raw_rms=0.2112 residual_rms=0.1614 residual_ratio=0.764
[MicInput] ASR capture consumed handoff frames=...
日志时间：22:20:02,183
完整日志：[asr.mic_input_service] INFO: [MicInput] ASR capture consumed handoff frames=40
[MicInput] ASR capture finish reason=handoff_max duration=...
日志时间：22:20:07,184
完整日志：[asr.mic_input_service] INFO: [MicInput] ASR capture finish reason=handoff_max duration=6304ms chunks=197 handoff=True

感谢补充，这个场景我们进一步对照了 barge-in handoff 链路。初步看问题不只是普通 VAD 静音窗口：当前用户在角色播放期间插话后，会进入一条独立的 handoff capture，而这条路径存在默认 5 秒的安全上限。达到上限后，即使用户仍在持续说话，也可能被作为一个完整用户轮次提交，随后助手开始回复，剩余语音再次触发打断。

这个 5 秒上限原本用于避免 handoff 后 VAD 没有正确观察到 speech start、进而长时间无法结束录音，但它不应该成为“用户已经说完”的依据。我们会把 handoff 安全超时与正式用户轮次提交拆开：保留句首 pre-roll，在 VAD 接管后允许正常长语音；即使底层需要分段，也应继续合并在同一个用户轮次中，并在确认说话结束前保持助手输出关闭。

如果方便，请确认日志中是否出现类似： [BargeIn] speech start [MicInput] ASR capture consumed handoff frames=... [MicInput] ASR capture finish reason=handoff_max duration=...

如果 reason=handoff_max 且时长接近 5～7 秒，就能确认命中了这条问题路径。识别错误我们也会同时检查 pre-roll 中是否混入了未充分消除的角色尾音。

[Lucas1479]

已将修复提交到实验分支：
https://github.com/Code-Amadeus/Amadeus/tree/codex/issue-23-adaptive-handoff

该分支保留现有插话与 pre-roll 机制，调整了 handoff 后持续讲话的录音终止判断。后续完成实机复测后，再根据结果决定是否合并到 main。

[Lucas1479]

感谢 @aryecatcher 提供详细复现和日志。修复已通过实机验证并提交 PR #36；该 issue 暂时保持开启，继续观察后续反馈。欢迎继续贡献！