'commit'

WeiXin/T7_TTS_VoiceReply.py

@@ -21,14 +21,20 @@ MY_VOICE_ID = "qwen-tts-vc-guanyu-voice-20260131160431051-8e51"
 REPLY_TEXT = "我是少惠林的大张老师，您的孩子几年级了？我们周六周日上班，您可以带孩子过来试听一下。"
 
 # 设置日志
-logging.basicConfig(
-    level=logging.INFO,
-    format='%(asctime)s - %(name)s - %(levelname)s - %(message)s',
-    handlers=[
-        logging.StreamHandler(sys.stdout),
-        logging.FileHandler(os.path.join(WxUtil.LOG_DIR, "T7_TTS_VoiceReply.log"), mode='w', encoding='utf-8')
-    ]
-)
+# 强制重新配置日志，确保输出到文件
+root_logger = logging.getLogger()
+for handler in root_logger.handlers[:]:
+    root_logger.removeHandler(handler)
+
+file_handler = logging.FileHandler(os.path.join(WxUtil.LOG_DIR, "T7_TTS_VoiceReply.log"), mode='w', encoding='utf-8')
+stream_handler = logging.StreamHandler(sys.stdout)
+formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')
+file_handler.setFormatter(formatter)
+stream_handler.setFormatter(formatter)
+root_logger.addHandler(file_handler)
+root_logger.addHandler(stream_handler)
+root_logger.setLevel(logging.INFO)
+
 logger = logging.getLogger("T7_TTS")
 
 def tts_worker(tts_manager, voice_id, text, finished_event, start_event):
@@ -53,7 +59,7 @@ def tts_worker(tts_manager, voice_id, text, finished_event, start_event):
         finished_event.set()
 
 def run_t7_task():
-    logger.info("开始执行 T7: 集成 TTS 克隆引擎与微信语音回复 (优化连贯性版本)")
+    logger.info("开始执行 T7: 集成 TTS 克隆引擎与微信语音回复 (优化延迟版)")
     
     # 1. 连接设备
     d = WxUtil.connect_device()
@@ -63,16 +69,13 @@ def run_t7_task():
 
     # 2. 初始化 TTS 管理器
     try:
-        # 增加缓冲区到 1.0 秒以解决断续问题
         tts_manager = QwenTTSManager()
-        # 这里虽然 init 没传参，但我们可以在 start_synthesis 逻辑里或者修改 AlyTtsKit 让它支持传参
     except Exception as e:
         logger.error(f"初始化 TTS 失败: {e}")
         return
 
     # 3. 准备微信环境：确保处于语音输入模式
     logger.info("步骤1: 准备微信环境...")
-    # 先尝试寻找 "按住说话" 按钮，如果找不到则尝试切换
     tmp_screen = os.path.join(WxUtil.OUTPUT_DIR, "t7_check_mode.jpg")
     d.screenshot(tmp_screen)
     press_say_template = os.path.join(WxUtil.TEMPLATE_DIR, "press_say.jpg")
@@ -80,7 +83,6 @@ def run_t7_task():
     
     if not pos:
         logger.info(">>> [状态] 未发现 '按住说话' 按钮，尝试切换模式...")
-        # 尝试点击键盘图标切换回语音模式
         audio_reply_template = os.path.join(WxUtil.TEMPLATE_DIR, "audio_reply.jpg")
         switch_pos = WxUtil.match_template_center(tmp_screen, audio_reply_template, threshold=0.8)
         if switch_pos:
@@ -96,25 +98,28 @@ def run_t7_task():
 
     logger.info(f">>> [定位] 成功定位到语音按钮中心: {pos}")
 
-    # 4. 同步执行：开始长按 + 启动 TTS
+    # 4. 同步执行：先按住 -> 等待2秒 -> 播放
     finished_event = threading.Event()
     playback_start_event = threading.Event()
     tts_thread = threading.Thread(target=tts_worker, args=(tts_manager, MY_VOICE_ID, REPLY_TEXT, finished_event, playback_start_event))
     
-    logger.info("步骤2: 开始同步录音与播放 (使用 Jitter Buffer 优化)...")
+    logger.info("步骤2: 开始同步录音与播放 (先按住 2 秒再播放)...")
     
-    # 启动 TTS 线程
+    # A. 先按住按钮
+    logger.info(">>> [发送] 1. 立即按住发送语音按钮...")
+    d.touch.down(pos[0], pos[1])
+    
+    # B. 明确等待 2 秒（解决最前面语音丢失问题）
+    logger.info(">>> [等待] 2. 录音已启动，等待 2 秒确保微信进入录音状态...")
+    time.sleep(2.0)
+    
+    # C. 启动 TTS 线程（开始合成并播放）
+    logger.info(">>> [播放] 3. 启动 TTS 播音...")
     tts_thread.start()
     
-    # 等待 TTS 真正开始发出声音
-    logger.info(">>> [等待] 等待音频缓冲区填充并开始播放...")
-    if not playback_start_event.wait(timeout=10):
-        logger.error("等待音频播放超时")
-        return
-    
-    # 按住按钮
-    logger.info(">>> [发送] 检测到音频播放开始，立即按住发送语音按钮...")
-    d.touch.down(pos[0], pos[1])
+    # D. 等待音频真正开始播放（用于日志同步）
+    if playback_start_event.wait(timeout=10):
+        logger.info(">>> [同步] 检测到音频已开始从扬声器输出")
     
     # 模拟计时
     start_time = time.time()
@@ -122,17 +127,17 @@ def run_t7_task():
     while not finished_event.is_set():
         elapsed = int(time.time() - start_time)
         if elapsed > last_second:
-            logger.info(f">>> [计时] {elapsed}")
+            logger.info(f">>> [录音中] {elapsed}s")
             last_second = elapsed
         time.sleep(0.1)
-        if elapsed > 30:
-            logger.warning("录音时间超过 30 秒，强制结束")
+        if elapsed > 40: # 调大超时时间
+            logger.warning("录音时间过长，强制结束")
             break
             
-    # 释放按钮
+    # E. 释放按钮
     d.touch.up(pos[0], pos[1])
-    total_duration = time.time() - start_time
-    logger.info(f">>> [完成] 录音完成，总时长约 {total_duration:.2f}s")
+    total_duration = time.time() - start_time + 2.0 # 加上最开始等待的2秒
+    logger.info(f">>> [完成] 录音结束，微信录音总时长约 {total_duration:.2f}s")
     
     tts_thread.join()