Généré le 16/10/2026 22:49

Diagnostic — Paramètres du mode "live", log de diagnostic audio, consommation GSM (16/10/2026, ~17h05)

⚠️ Contrainte prise en compte avant toute action

Au moment où j'écris ce diagnostic, un appel vocal est très probablement en cours : la dernière ligne de live_session.log date de 17:04:55 (mode live_tour, deux bascules de mode en 1 seconde à 17:04:30/31), soit 37 secondes avant le début de cette analyse. Conformément à l'incident de ce matin (un redémarrage serveur a probablement coupé l'appel de 10:37), je n'ai touché à aucun fichier de JARVIS_LIVE_VOICE/ dans ce diagnostic — analyse de code et de logs uniquement, zéro redémarrage, zéro édition de server.py/app.js.


Partie 1 — Paramètres clés du mode "live" (natif continu) vs les 2 autres modes

Ce qui fait que le mode "live" "marche parfaitement"

Paramètre Mode live (natif) Mode live_tour Mode robuste
Qui détecte la fin de phrase VAD neuronale Google, côté serveur Gemini (AutomaticActivityDetection) VAD neuronale Google en second rideau + VAD locale client en premier filtre VAD locale client uniquement (RMS adaptatif)
silence_duration_ms 900ms (server.py:311) 900ms, identique (server.py:9858) N/A (pas de VAD Google)
prefix_padding_ms / sensibilités 200ms, START=HIGH, END=LOW (server.py:310-313) Identiques, même constantes partagées (server.py:9857-9860) N/A
Seuil local avant envoi au serveur Aucun — tout le flux audio est transmis en continu, sans filtrage Filtre client _onAudioProcessRobuste (seuil baseSpeakingThreshold=0.012, bruit de fond adaptatif) Identique — même fonction JS partagée (app.js:2562, commentaire "Mode robuste & Mode live_tour")
Audio envoyé pendant le silence ? Oui, systématiquement (server.py:10150-10153, aucune condition RMS sur l'envoi) Non — gated, seul le son au-dessus du seuil + pré-roll ~0,6s est transmis Non — identique à live_tour

Constat principal : les constantes de VAD neuronale Google (900ms, 200ms, HIGH/LOW) sont déjà strictement identiques entre live et live_tour depuis le correctif du 15/10/2026 — il n'y a donc plus d'écart à "porter" sur ce point précis, c'est déjà fait. Le filtre RMS local (baseSpeakingThreshold=0.012) est lui aussi déjà partagé à l'identique entre robuste et live_tour (même fonction JS). Je n'ai trouvé aucun paramètre numérique du mode live qui ne soit pas déjà répliqué dans les deux autres modes à l'endroit où une réplication a du sens.

Pourquoi ils se comportent quand même différemment (architecture, pas réglage)

  1. live ne passe jamais par un filtrage local avant envoi — tout est transmis à Google en continu, qui fait sa propre VAD sur un flux ininterrompu. C'est ce qui le rend si fiable : il n'y a pas de "porte" côté client qui puisse rater un début de phrase.
  2. robuste/live_tour ont une porte locale (JS, RMS) en amont : si cette porte ne s'ouvre pas (voix trop faible, bruit ambiant qui a fait monter le plancher de bruit adaptatif), aucun octet n'arrive au serveur — ni la VAD neuronale Google (pour live_tour), ni aucun filtre serveur ne peut "rattraper" une parole jamais transmise. C'est une limite structurelle de l'architecture "gated côté client", pas un paramètre mal réglé : chaque octet économisé en données (voir Partie 3) a cette contrepartie en fiabilité.
  3. Les pannes réelles de robuste/live_tour constatées aujourd'hui (16h31-16h40) venaient d'un autre facteur, déjà corrigé : la cascade de repli de call_ai_brain() (Gemini Flash Lite → OpenRouter → agy), qui échouait en chaîne et ne concerne QUE ces deux modes (live ne passe jamais par cette fonction). Voir DIAGNOSTIC_REGRESSION_CAPTATION_VOCALE_ROBUSTE_LIVE_TOUR_20261016.md — déjà reverté et déployé avant ce diagnostic-ci.

Conclusion de la Partie 1 : il n'existe pas aujourd'hui de paramètre numérique "gagnant" du mode live qui resterait à copier ailleurs — l'alignement des constantes VAD est déjà fait (15/10), et le bug de cascade qui dégradait réellement les 2 autres modes est déjà corrigé (16/10, avant cette session). L'écart de fiabilité restant entre live et les 2 autres est structurel (porte locale côté client qui peut ne jamais s'ouvrir) : le réduire demanderait soit d'assouplir le seuil local (risque de faux positifs sur bruit ambiant, à valider en conditions réelles, pas en aveugle), soit d'ajouter un filet de sécurité serveur — mais ce filet ne peut agir que sur ce qui lui est transmis, donc ne résout pas le vrai goulot (le filtrage a lieu avant l'envoi, pas après).


Partie 2 — Log minimal de diagnostic audio : déjà intégré et confirmé fonctionnel

Le log demandé dans DIAGNOSTIC_LOCALISATION_PANNE_CAPTATION_LIVE_TOUR_20261016_1650.md (tracer les paquets reçus même filtrés, pour éviter la "boîte noire" du trou de 64s) est déjà présent dans le code déployé (server.py:10074-10085) :

if voice_mode in ("robuste", "live_tour"):
    now_diag = time.time()
    if now_diag - session_record.get("_audio_diag_last_log", 0) >= 2.0:
        session_record["_audio_diag_last_log"] = now_diag
        peak = pcm_peak_rms(pcm)
        log_live(f"[Jarvis Diagnostic Audio] mode={voice_mode} son reçu, pic RMS={peak:.0f} (seuil VAD live_tour=240).")

Preuve de fonctionnement en conditions réelles, capturée pendant la rédaction de ce diagnostic (pas un test, un vrai paquet de l'appel en cours) :

[2026-10-16 17:04:55.322] [Jarvis Diagnostic Audio] mode=live_tour son reçu, pic RMS=0 (seuil VAD live_tour=240).

Ce log trace désormais, au plus 1 ligne toutes les 2 secondes, si du son arrive réellement côté serveur et son pic RMS — qu'il déclenche ou non un tour. L'angle mort du 16h50 (trou de 64s sans aucune trace) est comblé pour robuste et live_tour. Le mode live natif n'a pas ce log (il n'a pas de filtre RMS qui rejette quoi que ce soit avant envoi — rien n'y est jamais "silencieusement filtré" côté serveur), mais dispose de sa propre instrumentation dédiée ajoutée aujourd'hui pour la latence (_live_last_user_speech_sent_at, voir DIAGNOSTIC_LATENCE_MODE_LIVE_NATIF_20261016.md).

Rien à ajouter ici : le log existe, est déployé (process actif PID 11180 depuis 16:59, après l'écriture de ce code), et vient de produire une ligne réelle il y a moins d'une minute.


Partie 3 — Consommation de données GSM : vérifiée, suspicion confirmée pour le mode live

Formats audio réels (confirmés dans le code, pas supposés)

Différence structurelle qui change tout pour le GSM

Données réelles mesurées aujourd'hui (pas une estimation)

Le compteur serveur de downlink (audio_out_bytes, réinitialisé à chaque tour, log "Tour terminé (Audio envoyé : X octets)") donne, cumulé sur tous les tours live/live_tour de la journée (09h-17h05) :

25 830 672 octets ≈ 24,6 Mo de parole Jarvis uniquement (hors uplink, hors mode robuste).

Estimation de l'uplink en mode live natif (formule + fenêtres réelles observées aujourd'hui)

Deux fenêtres où le mode live était actif et confirmées par les bascules persistées sur disque ([Configuration Vocale Persistante] Mode de réponse fixé sur disque -> live) :
- 10:10:16 → 10:37:11 (passage à robuste) ≈ 27 min
- 16:47:35 → 17:04:30 (repassage à robuste puis live_tour) ≈ 17 min

Soit ~44 minutes cumulées en mode live aujourd'hui, pendant lesquelles l'uplink tourne à 256 kbit/s en continu, parole ou pas :
→ 44 × 1,875 Mo/min ≈ 82,5 Mo rien que pour l'uplink, sans compter le downlink PCM 24kHz qui s'ajoute dès que Jarvis répond.

Conclusion vérifiée

La suspicion est confirmée, avec une cause précise et quantifiée : le mode live natif consomme mécaniquement 2 à 3 fois plus de données qu'un appel vocal compressé classique (type VoIP ~0,5-1 Mo/min tout compris), pour deux raisons cumulées et confirmées dans le code :
1. Audio brut non compressé dans les deux sens (PCM16/24kHz) — alors qu'un appel vocal classique utilise un codec compressé (Opus, AMR...).
2. Flux uplink continu sans coupure sur silence, contrairement à robuste/live_tour qui ne transmettent que pendant la parole détectée.

Ce n'est pas un bug mais un choix architectural : le flux continu non filtré est précisément ce qui permet à la VAD neuronale de Google de fonctionner sans jamais rater un début de phrase (Partie 1) — le gain de fiabilité du mode live a pour contrepartie directe ce surcoût de données. Sur une ligne Wi-Fi ce n'est jamais un problème ; sur une connexion GSM/4G avec un forfait data limité, un usage intensif du mode live (plusieurs appels longs par jour) peut représenter plusieurs centaines de Mo supplémentaires par jour par rapport à un usage équivalent en robuste/live_tour.

Ce qui n'est PAS mesuré (honnêteté sur les limites de ce diagnostic)

Aucun compteur d'octets uplink n'existe dans le code actuel (seul le downlink est comptabilisé par tour) — les 82,5 Mo ci-dessus sont une estimation par formule à partir d'une durée de connexion réelle mesurée, pas un octet réellement compté. Pour un chiffre exact et vérifiable à l'avenir, il faudrait ajouter un compteur d'octets uplink (symétrique à audio_out_bytes existant) — non fait maintenant, par prudence, un appel étant très probablement en cours au moment de ce diagnostic (voir avertissement en tête de document). À faire au calme, hors appel, si validé.


Généré par Claude Code (agent de secours Antigravity), 16/10/2026 ~17h05, sans aucune modification de code ni redémarrage (appel en cours détecté).