« J'ai l'impression que le système prend au moins 3 secondes avant que je reçoive une réponse, en mode live, pas au tour. Est-ce modifiable/corrigeable, ou inhérent au mode de fonctionnement ? »
Raphaël a raison de distinguer deux architectures différentes dans le code : il y a bien une "différence de programmation" entre le mode "live" natif continu et les modes "par tour" (robuste, live_tour).
Pendant cette même session, j'ai redémarré le serveur Jarvis (uvicorn port 8000) deux fois pour déployer des correctifs sans rapport avec cette question (déduplication de missions + heartbeat du watchdog). Les logs (live_session.log) montrent que l'appel de Raphaël était en mode live natif (jetons "Session Resumption" émis en continu) jusqu'à 10:37:11, heure à laquelle il a lui-même basculé en mode robuste via une commande vocale — puis une tâche a été annulée par "barge-in" à 10:38:12, exactement au moment de mon premier redémarrage. Il est très probable que mon premier redémarrage ait coupé ou perturbé cet appel. Je le signale explicitement : ce n'est pas une nouvelle panne mystérieuse, c'est probablement moi.
| Mode | Architecture | Où |
|---|---|---|
robuste (mode actif par défaut, VOICE_CONFIG_RAPHAEL.txt) |
VAD client → STT (ElevenLabs Scribe) → call_ai_brain() (texte) → synthèse edge_tts phrase par phrase → audio |
process_robuste_turn(), server.py:8529 |
live_tour |
VAD client → bloc PCM complet envoyé à une session Gemini Live native, avec VAD neuronale Google en second rideau, attente de la réponse streaming (max 4.5s) | process_live_tour_turn(), server.py:8703 |
live (continu) |
Flux audio envoyé en continu à une session Gemini Live native (bidirectionnelle) ; Google gère lui-même VAD + ASR + génération + audio en un seul aller-retour, sans aucun passage par call_ai_brain() |
start_session() / gemini_receiver(), server.py:9765+ |
Confirmé par les logs réels de l'appel de ce matin : Raphaël était bien en mode live (continu) jusqu'à 10:37:11 — c'est donc exactement le mode sur lequel porte sa question.
Le diagnostic du matin (DIAGNOSTIC_LATENCE_REPONSE_VOCALE_CERVEAU_GEMINI_WARP_20261016.md) corrigeait call_ai_brain() → gemini_key_pool.generate_text(), utilisé uniquement par les modes robuste et live_tour (en repli) pour générer une réponse texte. Le mode live natif ne passe JAMAIS par cette fonction pour une conversation normale — Gemini traite l'audio directement. Raphaël avait donc raison de dire que la mesure du matin concernait "le mode live par tour", pas le mode live pur.
live natifsilence_duration_ms=900ms (server.py:311, abaissé de 1500ms le 15/10) + prefix_padding_ms=200ms : délai inhérent et volontaire entre la fin réelle de la phrase et le moment où Google considère le tour terminé. C'est un compromis déjà réglé à la baisse (1.5s → 0.9s) pour équilibrer latence perçue et faux déclenchements sur une respiration — ~0.9 à 1.1s de ce délai est un choix délibéré, pas un bug.gemini_key_pool.connect_live() (gemini_key_pool.py:147-152) route via resolve_live_proxy() — le même tunnel WARP que celui identifié ce matin comme potentiellement throttlé par Google sur cette sortie réseau. Un fail-fast de 7s existe déjà sur l'ÉTABLISSEMENT de la connexion (corrigé le 11/10), mais rien ne mesure ni ne borne la latence des échanges audio une fois la session ouverte — si Google traite différemment le trafic de cette IP WARP comme suspecté ce matin, cela peut tout à fait dégrader aussi les échanges en cours, pas seulement la connexion initiale. C'est une hypothèse plausible, pas encore mesurée directement.live natif (contrairement à robuste, qui a le log [Jarvis Brain Flash] Réponse générée en X.XXs). Je ne peux donc pas donner de chiffre mesuré et vérifié pour ce mode précis, à la différence du mode robuste.Une partie est inhérente (la VAD à ~0.9-1.1s, choix délibéré du 15/10) et une partie est potentiellement corrigible mais non encore mesurée (l'éventuel throttling Google sur le tunnel WARP, qui pourrait toucher le flux audio continu comme il touchait les appels texte). Je n'ai pas de preuve mesurée aujourd'hui que ce 2e facteur dégrade réellement le mode live natif — seulement une architecture qui partage le même tunnel suspect.
Prochaine étape concrète si tu veux un chiffre vérifié (pas encore faite, à ta demande) : ajouter un log de latence par tour dans gemini_receiver() (horodatage entre dernier paquet audio entrant et premier paquet audio sortant) puis refaire un appel test en mode live pur. Je n'ai pas touché ce code tout de suite pour ne pas risquer une 3e coupure de ton appel aujourd'hui après les deux redémarrages déjà faits — dis-moi si tu veux que je le fasse maintenant.