zhaoshang_client_ui/harness/tools/verify-nls-realtime.mjs

/**
 * 验证「实时语音识别换成阿里云 NLS」这条链路。
 *
 * 分两段：
 *   【1】纯协议（不需要网络/凭据）：帧结构、事件折叠、16k PCM 编码
 *   【2】真实端到端（需要凭据 + Windows TTS）：说一句话 → 看识别结果
 *        —— 用的是**前端同一份协议代码**（`src/asr/nls-protocol.ts`），
 *        所以它绿了就意味着前端那套帧真的被网关接受
 *
 * 怎么跑（先打包协议层）：
 *   npx esbuild harness/tools/_entry-nls.ts --bundle --format=esm \
 *     --outfile=harness/tools/_nls.mjs --alias:@=./src --define:import.meta.env='{}'
 *   node harness/tools/verify-nls-realtime.mjs
 *
 * appkey 从**代码内置值**读（`src/utils/runtime-config.ts` 的 `NLS_APPKEY_BUILTIN`）——
 * 2026-09-28 起磁盘上不再保存任何阿里云凭据；没有 appkey 或没有 TTS 时，
 * 【2】会**明确跳过**而不是假装通过。
 */

import { existsSync } from 'node:fs';
import { NLS_LOCAL_ENV_FILE, readDotEnvFile, readNlsCredentials, resolveNlsToken } from './nls-token.mjs';
import { canSynthesizeSpeech, readAudioAsPcm16kMono, synthesizeSpeechToWav } from './nls-test-audio.mjs';

const {
  NLS_FRAME_MS,
  NLS_FLUSH_TICK_MS,
  NLS_MAX_FRAMES_PER_TICK,
  NLS_DRAIN_RATE,
  NLS_GATEWAY_URL,
  NLS_SAMPLE_RATE,
  buildStartTranscription,
  buildStopTranscription,
  createNlsTranscriptState,
  describeNlsFailure,
  encodePcm16kMono,
  getNlsEventName,
  parseNlsMessage,
  reduceNlsTranscript,
} = await import('./_nls.mjs');

let pass = 0;
let fail = 0;
const check = (name, ok, extra = '') => {
  if (ok) {
    pass++;
    console.log('  ok   ' + name);
  } else {
    fail++;
    console.log('  FAIL ' + name + '  ' + extra);
  }
};

// ── 1. 纯协议 ───────────────────────────────────────────────────────────────
console.log('\n【1】帧结构与事件折叠（纯函数，用前端同一份实现）');
{
  const start = JSON.parse(buildStartTranscription({ appkey: 'APPKEY', taskId: 'TASK', messageId: 'MSG' }));
  check('StartTranscription：namespace 固定 SpeechTranscriber',
    start.header.namespace === 'SpeechTranscriber' && start.header.name === 'StartTranscription');
  check('StartTranscription：header 带 appkey（网关要求）', start.header.appkey === 'APPKEY');
  check('StartTranscription：task=start，显式传入的 message_id/task_id 原样带上',
    start.header.task === 'start' && start.header.message_id === 'MSG' && start.header.task_id === 'TASK');

  // **不传 task_id 时必须自己生成**（实测：空串会被网关拒
  // `TaskFailed 40000002 Gateway:MESSAGE_INVALID:Invalid task id ''!`）
  const auto = JSON.parse(buildStartTranscription({ appkey: 'APPKEY' }));
  check('不传 id 时自动生成 32 位十六进制的 message_id / task_id（不能是空串）',
    /^[0-9a-f]{32}$/.test(auto.header.message_id) && /^[0-9a-f]{32}$/.test(auto.header.task_id),
    JSON.stringify([auto.header.message_id, auto.header.task_id]));
  check('两次生成的 task_id 不重复', auto.header.task_id !== JSON.parse(buildStartTranscription({ appkey: 'APPKEY' })).header.task_id);
  check('payload：16k / pcm / 开中间结果 / 开标点 / 开 VAD',
    start.payload.format === 'pcm' &&
      start.payload.sample_rate === 16000 &&
      start.payload.enable_intermediate_result === true &&
      start.payload.enable_punctuation_prediction === true &&
      start.payload.enable_voice_detection === true);
  check('payload：max_sentence_silence 落在网关允许的 200~2000',
    start.payload.max_sentence_silence >= 200 && start.payload.max_sentence_silence <= 2000,
    String(start.payload.max_sentence_silence));

  const stop = JSON.parse(buildStopTranscription({ appkey: 'APPKEY', taskId: 'TASK', messageId: 'MSG2' }));
  // 实测踩过的坑：只有 start 带 appkey 时，stop 会回
  // TaskFailed 40000002 Gateway:MESSAGE_INVALID:Missing message appkey!
  check('**StopTranscription 也带 appkey**（漏了网关会 40000002）', stop.header.appkey === 'APPKEY');
  check('StopTranscription：task=stop + task_id 与 start 一致', stop.header.task === 'stop' && stop.header.task_id === 'TASK');

  // 事件折叠：载荷取自探针打真实网关抓到的原文
  let state = createNlsTranscriptState();
  const events = [];
  const feed = (raw) => {
    const { state: next, event } = reduceNlsTranscript(state, parseNlsMessage(raw));
    state = next;
    if (event) events.push(event);
  };
  feed(JSON.stringify({ header: { name: 'TranscriptionStarted', status: 20000000 } }));
  feed(JSON.stringify({ header: { name: 'TranscriptionResultChanged' }, payload: { index: 1, result: '青浦区高新' } }));
  feed(JSON.stringify({ header: { name: 'TranscriptionResultChanged' }, payload: { index: 1, result: '青浦区高新技术企' } }));
  feed(JSON.stringify({ header: { name: 'SentenceEnd' }, payload: { index: 1, result: '青浦区高新技术企业奖励是多少钱？' } }));
  feed(JSON.stringify({ header: { name: 'TranscriptionResultChanged' }, payload: { index: 2, result: '我想问' } }));
  feed(JSON.stringify({ header: { name: 'TranscriptionCompleted', status: 20000000 } }));

  // 事件序列：mid(本句中间) → mid(本句中间) → fin(定稿) → mid(下一句中间)
  check('TranscriptionStarted / Completed 不产出文本事件（4 条文本事件 = 2 mid + 1 fin + 1 mid）',
    events.length === 4 && events.map((e) => e.type).join(',') === 'mid,mid,fin,mid',
    JSON.stringify(events.map((e) => e.type)));
  check('中间结果 → type=mid，transformText = 已定稿全文 + 本句中间结果（边说边出字）',
    events[0].type === 'mid' && events[0].transformText === '青浦区高新',
    JSON.stringify(events[0]));
  check('中间结果会被后续结果**覆盖**（不是追加）',
    events[1].type === 'mid' && events[1].transformText === '青浦区高新技术企',
    JSON.stringify(events[1]));
  check('SentenceEnd（定稿）→ type=fin，且**追加**不覆盖',
    events[2].type === 'fin' && events[2].transformText === '青浦区高新技术企业奖励是多少钱？',
    JSON.stringify(events[2]));
  check('下一句的中间结果前缀带上已定稿的那句',
    events[3].type === 'mid' && events[3].transformText === '青浦区高新技术企业奖励是多少钱？我想问',
    JSON.stringify(events[3]));
  check('最终定稿全文只由 SentenceEnd 拼成（中间结果不污染）',
    state.finalText === '青浦区高新技术企业奖励是多少钱？', JSON.stringify(state.finalText));

  check('TaskFailed 的错误描述带 status 与 status_text（能直接给用户看）',
    describeNlsFailure(parseNlsMessage(JSON.stringify({
      header: { name: 'TaskFailed', status: 40000002, status_text: 'Gateway:MESSAGE_INVALID:Missing message appkey!' },
    }))).includes('40000002') &&
      describeNlsFailure(parseNlsMessage('{"header":{"status":40000002}}')).length > 0);
  check('非法 JSON 不抛异常（忽略即可）', parseNlsMessage('not json') === null && getNlsEventName(null) === '');
}

console.log('\n【2】16k / 16bit / 单声道 编码');
{
  // 100ms 的 48k 输入 → 应为 1600 采样 = 3200 字节（旧 SDK 写死 44100，这里是按实际采样率算的）
  const input48k = new Float32Array(4800);
  const encoded48k = encodePcm16kMono(input48k, 48000);
  check('48k → 16k：100ms 得到 3200 字节（1600 采样 × 2）', encoded48k.length === 3200, String(encoded48k.length));

  const encoded44k = encodePcm16kMono(new Float32Array(4410), 44100);
  check('44.1k → 16k：同样 100ms 得到 3200 字节（不再写死 44100 也能对）',
    encoded44k.length === 3200, String(encoded44k.length));

  // 值域与字节序：满幅正弦的第一个正峰应是 0x7FFF（小端 0xFF 0x7F）
  const half = new Float32Array(1600);
  for (let i = 0; i < half.length; i++) half[i] = Math.sin((2 * Math.PI * i) / 100);
  const pcm = encodePcm16kMono(half, NLS_SAMPLE_RATE);
  const view = new DataView(pcm.buffer, pcm.byteOffset, pcm.byteLength);
  const firstPeak = view.getInt16(2 * 24, true); // 第 25 个采样 ≈ sin(π/2)=1 附近
  check('int16 小端写入（正值取 0x7fff 附近）', firstPeak > 32000, String(firstPeak));
  check('超出 ±1 的采样被钳位（不溢出成噪声）',
    encodePcm16kMono(new Float32Array([2, -2]), NLS_SAMPLE_RATE).length === 4);
  check('帧长与实时节奏自洽：NLS_FRAME_MS × 16k × 2 字节 = 3200',
    (NLS_SAMPLE_RATE * 2 * NLS_FRAME_MS) / 1000 === 3200);
  check('网关地址是上海地域的 ws/v1 端点', NLS_GATEWAY_URL.endsWith('/ws/v1') && NLS_GATEWAY_URL.startsWith('wss://'));

  // ⚠️ 用户 2026-09-23 反馈「出字延迟高」后加的：**排空速率必须 > 1× 实时**。
  // 连上网关前（取 token + 握手）麦克风已在采集，若只按 1× 排空那段积压永远排不掉
  // ⇒ 整体永久慢半拍（旧厂商 SDK 是 2× 排空，所以它能追上，这是切过来后退化的一处）。
  check('排空速率 > 1× 实时（否则握手期间的积压永远排不掉 → 永久慢半拍）',
    NLS_DRAIN_RATE > 1, `实测 NLS_DRAIN_RATE=${NLS_DRAIN_RATE}×`);
  check('排空速率也不至于把网关灌爆（≤ 8× 实时）', NLS_DRAIN_RATE <= 8, `${NLS_DRAIN_RATE}×`);
  check('断句阈值在网关允许区间 200~2000，且比网关默认 800 更早出定稿',
    JSON.parse(buildStartTranscription({ appkey: 'A' })).payload.max_sentence_silence >= 200 &&
      JSON.parse(buildStartTranscription({ appkey: 'A' })).payload.max_sentence_silence <= 2000 &&
      JSON.parse(buildStartTranscription({ appkey: 'A' })).payload.max_sentence_silence <= 800,
    String(JSON.parse(buildStartTranscription({ appkey: 'A' })).payload.max_sentence_silence));
}

// ── 3. 真实端到端（打真实网关）───────────────────────────────────────────────
console.log('\n【3】打真实网关：说一句话 → 看识别结果');
const credentials = readNlsCredentials({ ...readDotEnvFile(NLS_LOCAL_ENV_FILE), ...process.env });
if (!credentials.appkey) {
  console.log('  ⏭  跳过：读不到 appkey（src/utils/runtime-config.ts 的 NLS_APPKEY_BUILTIN）');
} else if (!canSynthesizeSpeech()) {
  console.log('  ⏭  跳过：真实识别这一段需要 Windows 自带 TTS 造语音');
} else {
  const SPOKEN = '青浦区高新技术企业奖励是多少钱';
  const wav = synthesizeSpeechToWav(SPOKEN);
  const { pcm, note } = readAudioAsPcm16kMono(wav);
  console.log(`  （TTS 音频 ${pcm.length} 字节 ≈ ${(pcm.length / 32000).toFixed(2)}s；${note}）`);

  const { token, source } = await resolveNlsToken();
  console.log(`  （token 来源：${source}）`);
  const socket = new WebSocket(`${NLS_GATEWAY_URL}?token=${encodeURIComponent(token)}`);

  const seen = { started: false, completed: false, failed: '', mids: 0, fins: 0 };
  let state = createNlsTranscriptState();
  const feed = (raw) => {
    const message = parseNlsMessage(raw);
    const name = getNlsEventName(message);
    if (name === 'TranscriptionStarted') seen.started = true;
    if (name === 'TranscriptionCompleted') seen.completed = true;
    if (name === 'TaskFailed') seen.failed = describeNlsFailure(message);
    const { state: next, event } = reduceNlsTranscript(state, message);
    state = next;
    if (event) {
      if (event.type === 'mid') seen.mids++;
      if (event.type === 'fin') seen.fins++;
    }
  };

  // 用**前端同一份**帧构建器：发出去的就是产品会发的那一帧
  const startFrame = buildStartTranscription({ appkey: credentials.appkey });
  const taskId = JSON.parse(startFrame).header.task_id;

  const finished = new Promise((resolve) => {
    let stopSent = false;
    const stop = () => {
      if (stopSent) return;
      stopSent = true;
      socket.send(buildStopTranscription({ appkey: credentials.appkey, taskId }));
    };

    socket.onopen = () => {
      socket.send(startFrame);
      let offset = 0;
      const frame = 3200; // 100ms
      const pump = setInterval(() => {
        if (offset >= pcm.length) {
          clearInterval(pump);
          stop();
          return;
        }
        if (socket.readyState !== WebSocket.OPEN) return;
        socket.send(pcm.subarray(offset, Math.min(offset + frame, pcm.length)));
        offset += frame;
      }, NLS_FRAME_MS);
    };
    socket.onmessage = (event) => {
      feed(event.data);
      if (seen.completed || seen.failed) {
        socket.close();
        resolve();
      }
    };
    socket.onerror = () => resolve();
    setTimeout(() => {
      try {
        socket.close();
      } catch {
        /* ignore */
      }
      resolve();
    }, 30000);
  });

  await finished;

  check('收到 TranscriptionStarted（token/appkey 有效）', seen.started, seen.failed || '未收到');
  check('没有 TaskFailed', !seen.failed, seen.failed);
  check('**识别期间就收到中间结果（边说边出字）**', seen.mids > 0, `mids=${seen.mids}`);
  check('收到定稿的 SentenceEnd', seen.fins > 0, `fins=${seen.fins}`);
  check('收到 TranscriptionCompleted（收尾干净）', seen.completed, seen.failed || '未收到');
  const text = state.finalText;
  console.log(`  （识别结果：${JSON.stringify(text)}）`);
  check('识别出的文本包含关键内容（青浦 / 奖励）',
    text.includes('青浦') && text.includes('奖励'), JSON.stringify(text));
  check('识别结果长度合理（≥ 8 字）', text.length >= 8, String(text.length));
}

// ── 4. 接线（源码级：这段是 Vue 壳组件里的事，node 跑不起来）────────────────
console.log('\n【4】两个壳组件已切到 NLS 实现（源码级断言）');
{
  const { readFileSync } = await import('node:fs');
  for (const file of [
    'src/components/BusinessAssistantPC.vue',
    'src/components/BusinessAssistantMobile.vue',
  ]) {
    const source = readFileSync(file, 'utf8');
    check(`${file}：import 的是 NLS 实现（2026-09-24 起在 @/asr/nls）`,
      /import ASR from '@\/asr\/nls';/.test(source));
    check(`${file}：不再 import 旧的厂商 SDK`,
      !/import ASR from '@\/three-libs\/asr\/index';/.test(source) &&
        !/import ASR from '@\/asr\/index';/.test(source));
    check(`${file}：不再硬编码 appKey（由 runtime-config 统一提供：env/注入 → 内置值）`,
      !/new ASR\("/.test(source) && /new ASR\(undefined/.test(source));
    // 契约没变：这几个调用点必须还在（换了实现就得跟着改）
    check(`${file}：openMicroPhone / startRecord / openSocket / transform 调用点齐全`,
      /openMicroPhone\(\)/.test(source) && /startRecord\(\)/.test(source) &&
        /openSocket\(\)/.test(source) && /\.transform\(\)/.test(source) &&
        /\.close\(\)/.test(source) && /\.clear\(\)/.test(source));
  }
  // 2026-09-24 用户要求「B 全部删掉」：旧厂商 SDK 连同 VITE_ASR / VITE_XF_ASR / /asr 代理一起删了
  // —— 所以这条断言从「旧实现仍在」反过来：**确认它已经不在**（免得哪天有人误加回来）。
  // 同日又按用户要求把 asr 目录移出 three-libs（`src/asr/`）并删掉 three-libs —— 一并钉住。
  check('旧的厂商 SDK 已删除（2026-09-24 用户要求）',
    !existsSync('src/three-libs/asr/index.ts') && !existsSync('src/asr/index.ts'));
  check('three-libs 目录已删除，asr 现在在 src/asr/', !existsSync('src/three-libs') && existsSync('src/asr/nls.ts'));
  check('旧 ASR 的 env 也删干净了（VITE_ASR / VITE_XF_ASR）',
    !readFileSync('.env.development', 'utf8').includes('VITE_ASR') &&
      !readFileSync('.env.development', 'utf8').includes('VITE_XF_ASR'));
}

console.log(`\n===== 通过 ${pass} 项，失败 ${fail} 项 =====`);
process.exit(fail ? 1 : 0);