Généré le 16/10/2026 21:40

🔬 Diagnostic Technique & Correctif : RĂ©pĂ©tition SystĂ©matique de la DerniĂšre Phrase en Mode Hybride (live_hybrid)

Date : 16 octobre 2026 (21h35 UTC-4 — 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 → 21:11:30), base SQLite jarvis_memory.db (conversations_history, IDs #13731 à #13824).


1. Constat & Preuve par les Logs (SymptÎme Exact Décrit par Raphaël)

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.

Extraits Chronologiques Certifiés (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 Ă  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 → 21:11:01 (#13789–#13818) Discussion sur la distinction parler/activer et sur le bug du mode hybride 11 tours consĂ©cutifs dĂ©butant systĂ©matiquement par : « Oui, je t'entends toujours trĂšs bien ! Et j'ai bien compris [rĂ©pĂ©tition du tour N-1]... Pour ce qui est de [sujet du tour N]... » Boucle d'amorçage systĂ©matique : rĂ©pĂ©tition de l'accroche + rĂ©pĂ©tition du tour $N-1$ + enchaĂźnement sur le tour $N$.

2. Diagnostic Architectural : Les 4 Causes Racines Exactes

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.

Cause Racine n°1 — Restauration d'un Jeton Google (SessionResumptionConfig) PrĂ©-RĂ©ponse lors du Swap ImmĂ©diat 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) :

  1. Dans 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 APRÈS turn_complete (confirmĂ© en mode live Ă  20:57:54.590 → jeton post-tour Ă  20:57:55.449, et Ă  21:27:47.522 → jeton post-tour Ă  21:27:48.585).
  2. Or, en mode live_hybrid, server.py fermait la session 15 millisecondes aprĂšs sc.turn_complete (20:58:34.347 → 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).
  3. Le last_handle utilisé (7e074765 au Tour 2, f9dc6b27 au Tour 6, 42e46992 au Tour 8) pointait donc vers un point de sauvegarde serveur (KV-cache Google) antérieur à la fin de la réponse de Jarvis (voire antérieur au début de sa réponse au Tour 8 !).
  4. Effet mĂ©canique : En reprenant la session avec ce handle incomplet tout en rĂ©injectant 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 ("Ça remarche à 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: ❌ 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: ❌ 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...")

Cause Racine n°2 — Calibration du Prompt de ContinuitĂ© (get_persisted_session_context) & Absence de Garde-Fou Anti-RĂ©pĂ©tition sur is_routine_tour_swap (server.py:3345-3358 & 10274)

  1. À chaque reconnexion de fin de tour (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 :

    [CONTINUITÉ DE CONVERSATION IMMÉDIATE - TRANSCRIPT DES DERNIERS ÉCHANGES]
    Consigne : Tu reprends cette discussion avec fluidité sans marquer de coupure ni réinitialiser le dialogue.

  2. ParallĂšlement, la directive de cadrage dans 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.
  3. De plus, comme le Tour 1 contenait un test micro (« Est-ce que tu m'entends ? » → « Oui, je t'entends toujours trĂšs bien ! »), la prĂ©sence rĂ©pĂ©tĂ©e de ce prĂ©fixe dans le transcript injectĂ© Ă  chaque nouveau tour agissait comme un amorçage few-shot, poussant Gemini Live Ă  commencer 11 tours consĂ©cutifs par « Oui, je t'entends toujours trĂšs bien ! Et j'ai bien compris [rĂ©sumĂ© du dernier Ă©change du transcript]... » avant de rĂ©pondre Ă  la nouvelle phrase.

Cause Racine n°3 — Famine sur session_lock pendant le Swap (~2,1 s) & Fuite de l'Écho Acoustique de Fin de Phrase (server.py:10155 & 10604)

L'analyse des logs a révélé un détail critique : sur les 21 reconnexions de fin de tour en mode live_hybrid, la ligne de log [Jarvis Orchestrateur] Tampon audio post-tour (...) purgé 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 !


Cause Racine n°4 — Coupure de Session en Plein « Barge-In » (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 !


3. Solutions ConcrÚtes Implémentées dans server.py

Les 4 correctifs structurels suivants ont été appliqués et compilés avec succÚs dans C:\ASSISTANT_IA\JARVIS_LIVE_VOICE\server.py :

Correctif 1 — Isolation du SessionResumptionConfig lors des Swaps Routiniers de Fin de Tour (server.py:10296-10315)

Correctif 2 — Recalibrage Anti-RĂ©pĂ©tition de get_persisted_session_context() & Directive is_routine_tour_swap (server.py:3345-3369 & 10283-10294)

Correctif 3 — Suppression de la Famine session_lock & FenĂȘtre Anti-Écho Post-Tour de 650 ms (server.py:10150-10165 & 10600-10615)

Correctif 4 — Protection du « Barge-In » en Mode live_hybrid (server.py:9242, 10044, 10150) & Filtre Anti-Faux-Positif mode_discret (server.py:4608)

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/>(Élimine 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)"]

4. Vérification & Validation