live_hybrid)Date : 16 octobre 2026 (21h35 UTC-4 â Guadeloupe)
Fichier audité & corrigé : C:\ASSISTANT_IA\JARVIS_LIVE_VOICE\server.py
Sauvegarde avant intervention : server.py.bak_20261016_avant_fix_repetition_hybride
Sources de preuves : live_session.log (20:58:05 â 21:11:30), base SQLite jarvis_memory.db (conversations_history, IDs #13731 Ă #13824).
Lors de la session de test en mode live_hybrid entre 20h58 et 21h11 (UTC-4) sur l'appel call_1792198666556_wamhfb (14 tours consécutifs, 21 reconnexions de fin de tour), les journaux confirment exactement le phénomÚne observé par Raphaël : à chaque changement de session en fin de tour, Jarvis répÚte sa réponse du tour précédent (ou son amorce d'accusé de présence + récapitulatif du tour N-1) avant d'enchaßner sur la réponse au tour N.
live_session.log & jarvis_memory.db)| Tour | Horodatage (UTC-4) | Parole de Raphaël (Tour $N$) | Réponse générée par Jarvis en mode live_hybrid |
Anomalie constatée dans les logs |
|---|---|---|---|---|
| Tour 2 | 20:58:27 (#13736) |
"Non, c'est parce qu'il y a quelques minutes le mode live hybride ne fonctionnait pas. Maintenant, ça marche Ă nouveau." | « Ah d'accord, ça me rassure ! Il y a peut-ĂȘtre eu un petit hoquet technique, mais si ça fonctionne Ă nouveau, c'est le principal. Tu voulais autre chose ? » | RĂ©ponse initiale normale (jeton 7e074765 capturĂ© Ă 20:58:27.937 pendant la parole, swap immĂ©diat Ă 20:58:34.347). |
| Tour 3 | 20:58:42 (#13740) |
"Justement, il paraĂźt qu'on a un peu de nouveautĂ©s lĂ ." | « Ah d'accord, ça me rassure ! Il y a peut-ĂȘtre eu un petit hoquet technique, mais si ça fonctionne Ă nouveau, c'est le principal. Oui, il paraĂźt qu'il y a pas mal de nouveautĂ©s qui ont Ă©tĂ© installĂ©es, dont le mode discret et Audio Vault... » | RĂ©pĂ©tition mot pour mot (100 % identique) de la phrase du Tour 2 avant d'enchaĂźner sur la rĂ©ponse du Tour 3. |
| Tour 6 | 21:01:21 (#13769) |
"AllÎ, je parlais de quoi avant qu'on passe en mode discret ?" | « Tu parlais des nouveautés comme le mode discret et Audio Vault... Et juste avant, tu as aussi mentionné le mode hybride qui s'était remis à fonctionner. On continue là -dessus ? » | Jeton f9dc6b27 capturé à 21:01:21.818 (0,28 s aprÚs le début de la réponse de 10,7 s), swap à 21:01:32.267. |
| Tour 8 | 21:04:52 (#13781) |
"Est-ce que tu m'entends ?" | « Oui, je t'entends toujours trĂšs bien ! Et figure-toi que tu as raison, le systĂšme a bien enregistrĂ© ta demande de dĂ©sactivation du mode discret. C'est une bonne idĂ©e de confirmer avec un message comme ça. On continue Ă parler du mode hybride alors ? » | Jeton 42e46992 capturĂ© Ă 21:03:27.036 avant mĂȘme le 1er mot du tour prĂ©cĂ©dent (21:03:27.532). |
| Tour 9 | 21:05:40 (#13785) |
"Bon. Est-ce que tu le ressens toujours ?" | « Oui RaphaĂ«l, je t'entends toujours trĂšs bien ! Et pour rĂ©pondre Ă ta question, tu parlais justement des nouveautĂ©s comme le mode discret et Audio Vault, et tu mentionnais le mode hybride qui s'est remis Ă fonctionner. On continue lĂ -dessus ? J'ai bien notĂ© pour la dĂ©sactivation du mode en tout cas ! Qu'est-ce que tu avais en tĂȘte par rapport à ça ? » | Re-synthĂšse intĂ©grale des Tours 6, 7 et 8 bout Ă bout en prĂ©ambule du Tour 9. |
| Tours 10 Ă 14 | 21:06:52 â 21:11:01 (#13789â#13818) |
Discussion sur la distinction parler/activer et sur le bug du mode hybride | 11 tours consécutifs débutant systématiquement par : « Oui, je t'entends toujours trÚs bien ! Et j'ai bien compris [répétition du tour N-1]... Pour ce qui est de [sujet du tour N]... » | Boucle d'amorçage systématique : répétition de l'accroche + répétition du tour $N-1$ + enchaßnement sur le tour $N$. |
L'analyse croisée de server.py et des horodatages à la milliseconde de live_session.log met en évidence 4 causes techniques convergentes qui produisaient mécaniquement cette répétition en mode live_hybrid.
SessionResumptionConfig) Pré-Réponse lors du Swap Immédiat sur turn_complete (server.py:9970 & 10149-10290)C'est la cause principale de la répétition mot pour mot observée dÚs le Tour 3 (20:58:42) :
models/gemini-3.1-flash-live-preview, Google Ă©met un premier jeton session_resumption_update (new_handle) au tout dĂ©but de la gĂ©nĂ©ration vocale de Jarvis (typiquement 0,3 s Ă 0,8 s aprĂšs le 1er octet audio), puis n'Ă©met le jeton final post-tour (qui valide que Jarvis a terminĂ© sa rĂ©ponse) que ~1,0 s Ă 1,7 s APRĂS turn_complete (confirmĂ© en mode live Ă 20:57:54.590 â jeton post-tour Ă 20:57:55.449, et Ă 21:27:47.522 â jeton post-tour Ă 21:27:48.585).live_hybrid, server.py fermait la session 15 millisecondes aprĂšs sc.turn_complete (20:58:34.347 â fermeture Ă 20:58:34.386), avant que Google n'envoie le jeton post-tour, et rouvrait immĂ©diatement la nouvelle session avec SessionResumptionConfig(handle=last_handle).last_handle utilisĂ© (7e074765 au Tour 2, f9dc6b27 au Tour 6, 42e46992 au Tour 8) pointait donc vers un point de sauvegarde serveur (KV-cache Google) antĂ©rieur Ă la fin de la rĂ©ponse de Jarvis (voire antĂ©rieur au dĂ©but de sa rĂ©ponse au Tour 8 !).system_instruction, le serveur Google considĂ©rait que le tour $N-1$ n'avait pas encore Ă©tĂ© rĂ©pondu (ou devait ĂȘtre achevĂ©), rĂ©gĂ©nĂ©rait la rĂ©ponse du tour $N-1$, puis enchaĂźnait immĂ©diatement sur le tour $N$.sequenceDiagram
participant U as Raphaël (Micro)
participant S as Jarvis Server (live_hybrid)
participant G1 as Google Live (Session N-1)
participant G2 as Google Live (Session N)
U->>G1: Parole Tour N-1 ("Ăa remarche Ă nouveau")
G1->>S: 1er octet audio ("Ah d'accord...") [20:58:27.129]
G1-->>S: session_resumption_update (handle=7e074765) [20:58:27.937 - MI-PAROLE !]
G1->>S: Suite & fin de la réponse ("...c'est le principal.") [20:58:28.763]
G1->>S: sc.turn_complete [20:58:34.347]
Note over S,G1: â Swap immĂ©diat Ă +15ms (20:58:34.386)<br/>AVANT le jeton post-tour de Google (+1.0s) !
S->>G1: Fermeture WebSocket (__aexit__)
S->>G2: Connexion Session N avec handle=7e074765 (état mi-Tour N-1) + system_instruction
U->>G2: Parole Tour N ("Il paraßt qu'on a des nouveautés") [20:58:41]
G2->>S: â RĂ©gĂ©nĂšre d'abord la rĂ©ponse du Tour N-1 ("Ah d'accord, ça me rassure...")<br/>puis enchaĂźne sur le Tour N ("Oui, il paraĂźt qu'il y a des nouveautĂ©s...")
get_persisted_session_context) & Absence de Garde-Fou Anti-RĂ©pĂ©tition sur is_routine_tour_swap (server.py:3345-3358 & 10274)is_routine_tour_swap=True), start_session() injecte le transcript des 10 derniers Ă©changes dans system_instruction via get_persisted_session_context(), qui portait l'en-tĂȘte :
[CONTINUITĂ DE CONVERSATION IMMĂDIATE - TRANSCRIPT DES DERNIERS ĂCHANGES]
Consigne : Tu reprends cette discussion avec fluidité sans marquer de coupure ni réinitialiser le dialogue.
start_session() Ă©tait conditionnĂ©e par if effective_reconnect and not is_routine_tour_swap:. Lors d'un swap de fin de tour en mode live_hybrid (is_routine_tour_swap=True), aucune consigne n'indiquait au modĂšle que le tour prĂ©cĂ©dent venait d'ĂȘtre intĂ©gralement entendu et clos.session_lock pendant le Swap (~2,1 s) & Fuite de l'Ăcho Acoustique de Fin de Phrase (server.py:10155 & 10604)L'analyse des logs a rĂ©vĂ©lĂ© un dĂ©tail critique : sur les 21 reconnexions de fin de tour en mode live_hybrid, la ligne de log [Jarvis Orchestrateur] Tampon audio post-tour (...) purgĂ© d'office n'est apparue AUCUNE fois (0/21) !
Pourquoi ?
1. Dans gemini_receiver, await start_session(...) (qui dure ~2,1 secondes pour établir le tunnel WebSocket Google) était exécuté à l'intérieur de async with session_lock:.
2. Pendant ces 2,1 secondes, la boucle principale de réception WebSocket (server.py:10604) lisait la premiÚre trame audio envoyée par le téléphone, arrivait sur async with session_lock:, et se retrouvait bloquée pendant 2,1 secondes !
3. Pendant que la boucle principale était bloquée sur session_lock :
- swap_pcm_buffer restait vide (0 octet), rendant la purge de fin de start_session() inopérante.
- Toutes les trames micro enregistrées par le téléphone pendant ces 2,1 secondes (incluant la fin de la voix de Jarvis sortant du haut-parleur du téléphone !) s'accumulaient dans la file TCP/WebSocket de FastAPI.
4. DÚs que start_session() se terminait et relùchait session_lock (is_internal_reconnecting = False), ces 2,1 secondes d'audio post-tour accumulées étaient dépilées en rafale et injectées directement via session.send_realtime_input(audio=...) dans la nouvelle session Google Live, qui entendait ainsi la fin de la phrase précédente de Jarvis !
sc.interrupted suivi de sc.turn_complete) (server.py:10036-10150)Dans live_session.log, à 6 reprises (21:00:58.229, 21:02:01.382, 21:02:45.129, 21:07:18.913, 21:07:47.497, 21:09:46.791), lorsque Raphaël prenait la parole pour interrompre Jarvis qui répétait sa phrase :
1. Google Live émettait sc.interrupted = True (Interruption (barge-in)), suivi 1 à 2 millisecondes plus tard de sc.turn_complete = True pour clÎturer le tour interrompu de Jarvis.
2. Parce que is_per_turn_swap = (voice_mode == "live_hybrid") dĂ©clenchait un swap sur tout sc.turn_complete sans vĂ©rifier si le tour venait d'ĂȘtre interrompu par barge-in, le serveur tuait et recrĂ©ait la session en plein milieu de la phrase de RaphaĂ«l !
server.pyLes 4 correctifs structurels suivants ont été appliqués et compilés avec succÚs dans C:\ASSISTANT_IA\JARVIS_LIVE_VOICE\server.py :
SessionResumptionConfig lors des Swaps Routiniers de Fin de Tour (server.py:10296-10315)is_post_turn_swap=True ou is_routine_tour_swap=True), session_record["live_resumption_handle"] est purgĂ© (last_handle = None) afin d'ouvrir une session Google Live 100 % fraĂźche, sans jamais restaurer un point de sauvegarde serveur capturĂ© au milieu du tour prĂ©cĂ©dent.live_resumption_handle est conservĂ© exclusivement pour les vraies coupures rĂ©seau inopinĂ©es survenant en plein milieu d'un tour (trigger_live_reconnect oĂč is_post_turn_swap=False et is_routine_tour_swap=False).get_persisted_session_context() & Directive is_routine_tour_swap (server.py:3345-3369 & 10283-10294)[HISTORIQUE DES ĂCHANGES DĂJĂ TERMINĂS (MĂMOIRE PASSIVE UNIQUEMENT)] assorti d'une RĂGLE CRITIQUE ANTI-RĂPĂTITION interdisant formellement de rĂ©pĂ©ter la derniĂšre phrase, de rĂ©sumer le tour prĂ©cĂ©dent ou d'amorcer par « Oui, je t'entends toujours trĂšs bien ».elif is_routine_tour_swap: dans start_session() injectant la [DIRECTIVE PRIORITAIRE : ROTATION DE FIN DE TOUR (MODE HYBRIDE) â ZĂRO RĂPĂTITION].session_lock & FenĂȘtre Anti-Ăcho Post-Tour de 650 ms (server.py:10150-10165 & 10600-10615)is_internal_reconnecting = True et session_record["_post_swap_started_at"] = time.time() dĂšs le dĂ©but du swap.websocket.receive(), vĂ©rification atomique sans verrou (if is_internal_reconnecting or session is None:) pour drainer les trames WebSocket en temps rĂ©el pendant les ~2 s de nĂ©gociation Google :turn_complete (time.time() - swap_started < 0.65), toute trame audio rĂ©siduelle (queue de restitution du haut-parleur) est jetĂ©e d'office.min_rms=380.0), sa voix est prĂ©servĂ©e dans swap_pcm_buffer et injectĂ©e Ă l'ouverture ; s'il s'agit de bruit de fond ou de silence, le tampon est purgĂ© d'office.live_hybrid (server.py:9242, 10044, 10150) & Filtre Anti-Faux-Positif mode_discret (server.py:4608)turn_was_interrupted dans gemini_receiver : si RaphaĂ«l interrompt Jarvis (sc.interrupted = True), le sc.turn_complete qui suit 1 ms plus tard ne dĂ©clenche pas de reconnexion (is_per_turn_swap = (voice_mode == "live_hybrid") and not was_interrupted), laissant la session active Ă©couter la phrase de RaphaĂ«l jusqu'au bout.DISCRET_META_DISCUSSION_PATTERNS (avant qu', avant de, depuis qu') pour empĂȘcher les subordonnĂ©es comme « je parlais de quoi avant qu'on passe en mode discret ? » d'enclencher le mode discret par erreur.flowchart TD
A["sc.turn_complete reçu en mode live_hybrid"] --> B{"Tour interrompu par<br/>barge-in (was_interrupted) ?"}
B -- "Oui (Raphaël parle)" --> C["Maintien de la session active<br/>(Zéro coupure au milieu de la phrase)"]
B -- "Non (Tour complet terminĂ©)" --> D["1. Purge live_resumption_handle = None<br/>(Ălimine le rewind Google mi-tour N-1)"]
D --> E["2. Draine WebSocket en temps rĂ©el sans bloquer session_lock<br/>+ FenĂȘtre sourde anti-Ă©cho 650 ms"]
E --> F["3. Ouverture session fraßche + get_persisted_session_context()<br/>calibré (Mémoire Passive + RÚgle Anti-Répétition)"]
F --> G["Réponse directe au Tour N uniquement<br/>(Zéro répétition du Tour N-1)"]
python -m py_compile C:\ASSISTANT_IA\JARVIS_LIVE_VOICE\server.py â Code 0 (Aucune erreur).C:\ASSISTANT_IA\JARVIS_LIVE_VOICE\server.py.bak_20261016_avant_fix_repetition_hybride.