# 2026-06-14 X-ASR 尾字掉字排查

## 用户目标

用户反馈当前 X-ASR 版本偶尔会掉最后一两个字，例如实际说“技术总监让我问你一下”，识别成“技术总监让我问你”或类似结果，要求判断原因和解决方案。

## 已完成排查

- 读取全局与项目规则。
- 检查当前日志与源码：
  - `/Users/ar/Library/Application Support/PrivateVoice Input/app.log`
  - `privatevoice.src/app.go`
  - `privatevoice.src/internal/audio/recorder.go`
  - `privatevoice.src/internal/engine/engine_darwin.go`
- 当前运行版本为 `2.1.30 (20260613.2201)`。
- 当前模型为 `x-asr-zh-en-960ms backend=x_asr_streaming`。

## 关键证据

- 日志中存在用户提到的近似失败样本：
  - `2026-06-14 19:54:47 Recognized: 技术总监让我问你一`
- 该结果在 `Recognized:` 日志阶段已经缺少最后尾字，说明不是粘贴链路、剪贴板或上屏阶段丢字，而是 ASR 最终文本阶段已经掉尾。
- 当前 X-ASR 已经在 `Finish()` 中追加 `1.5s` 静音 padding：
  - `xasrTailPaddingSamples = 24000`
  - `AcceptWaveform(..., xasrTailPadding)` 后再 `InputFinished()`
- 失败样本录音时长约 `2609ms`，实际采样 `37600`，约 `2.35s`，说明松键停止和音频缓冲之间仍可能遗漏最后约 `100-300ms` 的真实声音。

## 判断

问题更像是“松开热键后立刻停止录音导致最后尾音没被采进 buffer”，而不是单纯的 X-ASR flush 不充分。

已有的静音 padding 只能帮助模型处理已经捕获的音频；如果最后一个字的真实声音在松键瞬间还没有进入 `pcmBuf`，后续补静音无法恢复。

## 建议修复

低风险方案：只针对 X-ASR 增加松键后的短尾采集保护。

- 新增一个 engine 能力接口，例如 `ReleaseTailCaptureDelay() time.Duration`。
- 只有 `xasrStreamingEngine` 返回 `250-350ms`，建议先用 `300ms`。
- `stopRecordingLocked(false)` 中，在真正 `StopAndGetSamples()` 前，如果当前引擎声明需要 tail capture，则保持 recorder 继续采集这段时间。
- SenseVoice、Qwen3-ASR、Moonshine、Parakeet 不实现该接口，延迟为 `0`，不受影响。
- 保留现有 X-ASR `1.5s` 静音 padding，它仍负责模型 flush。

## 风险与验证

- 风险：X-ASR 每次松键后增加约 `300ms` 识别等待；如果用户立刻开始下一句话，可能多采到一点环境声或下一个字。
- 回归范围：X-ASR hold-to-talk 为主，不触碰正式上架线模型。
- 建议验证：
  - 重复测试短句尾音：“技术总监让我问你一下”“你看一下”“确认一下”“可以了”“好了”。
  - 每句至少 20 次，重点观察尾字缺失率。
  - 日志应显示采样数平均增加约 `4800` samples（300ms * 16kHz）。
  - 确认 live caption 浮窗仍正常，松键后只增加可接受的短暂处理延迟。