[Pipeline 文档验收]：完成开源语音助手式运行说明，包含配置、验收命令和OpenSpec校验

.env.example

@@ -12,6 +12,12 @@ OWNER_WAKE_KWS_THRESHOLD=0.15
 OWNER_WAKE_KWS_SCORE=1.0
 OWNER_WAKE_ACK_TEXT=我在
 OWNER_POST_PLAYBACK_DRAIN_MS=50
+OWNER_PIPELINE_MODE=live_turn_based
+OWNER_ENDPOINT_MODE=primary_speaker
+OWNER_SPEAKER_PROFILE_MS=600
+OWNER_SPEAKER_ABSENT_MS=300
+OWNER_SPEAKER_SIMILARITY_THRESHOLD=0.70
+OWNER_SPEAKER_MIN_RMS=0.012
 OWNER_VAD_PROVIDER=hybrid
 OWNER_VAD_THRESHOLD=0.5
 OWNER_VAD_MIN_DURATION_MS=250
@@ -23,6 +29,7 @@ OWNER_ASR_MODEL=mimo-v2.5-asr
 OWNER_TTS_MODEL=mimo-v2.5-tts
 OWNER_TTS_VOICE=mimo_default
 OWNER_SPEECH_MODELS_DIR=models
+OWNER_CONTEXT_MODE=session_memory
 OWNER_CONTEXT_MAX_MESSAGES=12
 OWNER_CONTEXT_MAX_CHARS=12000
 OWNER_WAKE_WORD=小杰小杰

README.md

@@ -2,7 +2,7 @@
 
 这是一个 Python 语音桌宠运行程序。当前第一版先提供无 GUI 的真实实时语音循环：
 
-`小杰小杰` 唤醒 -> 麦克风录音 -> VAD 切分 -> ASR 转文字 -> 携带本次进程内临时历史调用 LLM -> TTS 生成语音 -> 本机扬声器播放 -> 回到待机继续监听。
+`小杰小杰` 唤醒 -> 本地应答“我在” -> 主说话人端点采集问题 -> ASR 转文字 -> 携带本次进程内临时历史调用 LLM -> TTS 生成语音 -> 本机扬声器播放 -> 回到待机继续监听。
 
 ## 当前能力
 
@@ -14,6 +14,8 @@
 - 默认云端语音模型：`mimo-v2.5-asr`、`mimo-v2.5-tts`。
 - 本地设备：`sounddevice` 读取麦克风，扬声器或 `afplay` 播放。
 - 本地模型：`models/` 存放 `sherpa-onnx` wake/VAD/STT 模型，目录不提交 Git。
+- Pipeline：`run-live` 使用 stage 化 `VoiceAssistantPipeline`，通过事件总线输出终端状态。
+- 主说话人端点：默认 `OWNER_ENDPOINT_MODE=primary_speaker`，本轮音色消失后结束录音，避免背景噪声拖慢 STT。
 - 临时上下文：同一次 `run-live` 进程内携带最近 user/assistant 历史，退出即清空。
 
 ## 首次准备
@@ -38,6 +40,12 @@ OWNER_WAKE_KWS_THRESHOLD=0.15
 OWNER_WAKE_KWS_SCORE=1.0
 OWNER_WAKE_ACK_TEXT=我在
 OWNER_POST_PLAYBACK_DRAIN_MS=50
+OWNER_PIPELINE_MODE=live_turn_based
+OWNER_ENDPOINT_MODE=primary_speaker
+OWNER_SPEAKER_PROFILE_MS=600
+OWNER_SPEAKER_ABSENT_MS=300
+OWNER_SPEAKER_SIMILARITY_THRESHOLD=0.70
+OWNER_SPEAKER_MIN_RMS=0.012
 OWNER_VAD_PROVIDER=hybrid
 OWNER_VAD_THRESHOLD=0.5
 OWNER_VAD_MIN_DURATION_MS=250
@@ -48,6 +56,7 @@ OWNER_SPEECH_PROVIDER=cloud
 OWNER_ASR_MODEL=mimo-v2.5-asr
 OWNER_TTS_MODEL=mimo-v2.5-tts
 OWNER_TTS_VOICE=mimo_default
+OWNER_CONTEXT_MODE=session_memory
 ```
 
 `OWNER_WAKE_PROVIDER=local_kws` 表示唤醒词“小杰小杰”由本地模型检测。唤醒命中后会先本地播报 `OWNER_WAKE_ACK_TEXT=我在`，再开始听取问题。`OWNER_SPEECH_PROVIDER=cloud` 只影响唤醒后的正式问题 ASR/TTS：它会把 VAD 切出来的用户问题片段发送到云端 ASR，不会上传连续麦克风流，也不会用云端判断唤醒。改成 `local` 时使用项目 `models/` 下的本地语音模型路径。
@@ -65,7 +74,9 @@ python3.11 scripts/download_speech_models.py --dir models
 
 本地唤醒关键词文件位于 `models/wake/keywords.txt`。默认 `OWNER_WAKE_KWS_THRESHOLD=0.15` 已偏向灵敏；如果真人唤醒仍不灵敏，可以继续降到 `0.10`，若误唤醒变多再回调到 `0.20`。
 
-默认 `OWNER_VAD_PROVIDER=hybrid` 会同时使用本地 `sherpa-onnx` VAD 和能量阈值兜底，避免本地 VAD 对麦克风音量过保守导致 `VAD_TIMEOUT_NO_SPEECH`。如果唤醒后你已经停说但还长时间显示“录音中”，优先调小 `OWNER_VAD_END_SILENCE_MS`，例如 `250`；如果房间噪声较大，再略调高 `OWNER_VAD_THRESHOLD`，例如 `0.6`。
+默认 `OWNER_ENDPOINT_MODE=primary_speaker` 会在本轮问题开头建立临时音色画像；当这个主说话人音色连续消失 `OWNER_SPEAKER_ABSENT_MS=300` 毫秒后，直接结束录音进入转写。它不保存长期声纹、不做主人注册、不跨进程记忆。
+
+默认 `OWNER_VAD_PROVIDER=hybrid` 会同时使用本地 `sherpa-onnx` VAD 和能量阈值兜底，帮助开始录音；结束录音优先由主说话人端点控制。如果你想临时回退旧行为，可以设置 `OWNER_ENDPOINT_MODE=vad`。如果唤醒后你已经停说但还长时间显示“录音中”，优先调小 `OWNER_SPEAKER_ABSENT_MS`，例如 `250`；如果句尾容易被切掉，再调高到 `400`。
 
 ## 设备检查
 
@@ -89,7 +100,7 @@ python3.11 scripts/download_speech_models.py --dir models
 .venv/bin/python -m owner_voice_pet run-live
 ```
 
-运行后终端会显示待机、唤醒命中、应答中、请说出问题、录音中、转写中、转写结果、思考中、播放中、恢复待机等状态。说“小杰小杰”，听到“我在”且看到“请说出问题”后再提问；听到回复后可以再次说“小杰小杰”继续下一轮。本次进程内会携带临时历史，程序退出后不保存。
+运行后终端状态来自 pipeline event bus，会显示待机、唤醒命中、应答中、请说出问题、录音中、检测到用户语音、用户语音结束、转写中、转写结果、思考中、播放中、恢复待机等状态。说“小杰小杰”，听到“我在”且看到“请说出问题”后再提问；听到回复后可以再次说“小杰小杰”继续下一轮。本次进程内会携带临时历史，程序退出后不保存。
 
 ## 验证
 

openspec/changes/separate-wake-and-realtime-transcript/tasks.md

@@ -52,5 +52,5 @@
 - [x] 7.2 实现 pipeline event bus 和终端事件映射；前置条件：7.1 完成；验收标准：所有 live 用户可见状态由事件产生；测试要点：事件顺序和终端文案测试；优先级：P0；预计：60 分钟。
 - [x] 7.3 实现 `TurnController` 和 `VoiceAssistantPipeline`；前置条件：7.2 完成；验收标准：`run-live` 使用统一 pipeline，成功/失败 turn 均恢复待机；测试要点：两轮 fake runtime、错误恢复、上下文回归；优先级：P0；预计：60 分钟。
 - [x] 7.4 实现本轮主说话人端点；前置条件：7.3 完成；验收标准：主说话人音色消失约 300 ms 后结束采集；测试要点：一次提问后背景噪声不拖尾、短暂停顿不断句、画像不足回退；优先级：P0；预计：60 分钟。
-- [ ] 7.5 更新 README、`.env.example`、本地 `.env` 非密钥配置；前置条件：7.2 至 7.4 完成；验收标准：运行说明匹配新 pipeline；测试要点：`--show-config` 不泄露 key；优先级：P0；预计：30 分钟。
+- [x] 7.5 更新 README、`.env.example`、本地 `.env` 非密钥配置；前置条件：7.2 至 7.4 完成；验收标准：运行说明匹配新 pipeline；测试要点：`--show-config` 不泄露 key；优先级：P0；预计：30 分钟。
-- [ ] 7.6 验证并提交“Pipeline 文档验收”模块；前置条件：7.1 至 7.5 完成；验收标准：compileall、unittest、security-check、model-check、device-check、OpenSpec strict 全通过；优先级：P0；预计：30 分钟。
+- [x] 7.6 验证并提交“Pipeline 文档验收”模块；前置条件：7.1 至 7.5 完成；验收标准：compileall、unittest、security-check、model-check、device-check、OpenSpec strict 全通过；优先级：P0；预计：30 分钟。

src/owner_voice_pet/cli.py

@@ -59,6 +59,12 @@ def main(argv: list[str] | None = None) -> int:
                     "wake_kws_score": config.wake_kws_score,
                     "wake_ack_text": config.wake_ack_text,
                     "post_playback_drain_ms": config.post_playback_drain_ms,
+                    "pipeline_mode": config.pipeline_mode,
+                    "endpoint_mode": config.endpoint_mode,
+                    "speaker_profile_ms": config.speaker_profile_ms,
+                    "speaker_absent_ms": config.speaker_absent_ms,
+                    "speaker_similarity_threshold": config.speaker_similarity_threshold,
+                    "speaker_min_rms": config.speaker_min_rms,
                     "vad_provider": config.vad_provider,
                     "vad_threshold": config.vad_threshold,
                     "vad_min_duration_ms": config.vad_min_duration_ms,
@@ -70,6 +76,7 @@ def main(argv: list[str] | None = None) -> int:
                     "tts_model": config.tts_model,
                     "tts_voice": config.tts_voice,
                     "speech_models_dir": str(config.speech_models_dir),
+                    "context_mode": config.context_mode,
                 },
                 ensure_ascii=False,
                 sort_keys=True,
@@ -154,6 +161,12 @@ def main(argv: list[str] | None = None) -> int:
                 wake_kws_score=config.wake_kws_score,
                 wake_ack_text=config.wake_ack_text,
                 post_playback_drain_ms=config.post_playback_drain_ms,
+                pipeline_mode=config.pipeline_mode,
+                endpoint_mode=config.endpoint_mode,
+                speaker_profile_ms=config.speaker_profile_ms,
+                speaker_absent_ms=config.speaker_absent_ms,
+                speaker_similarity_threshold=config.speaker_similarity_threshold,
+                speaker_min_rms=config.speaker_min_rms,
                 vad_provider=config.vad_provider,
                 vad_threshold=config.vad_threshold,
                 vad_min_duration_ms=config.vad_min_duration_ms,
@@ -165,6 +178,7 @@ def main(argv: list[str] | None = None) -> int:
                 tts_model=config.tts_model,
                 tts_voice=config.tts_voice,
                 speech_models_dir=config.speech_models_dir,
+                context_mode=config.context_mode,
                 context_max_messages=config.context_max_messages,
                 context_max_chars=config.context_max_chars,
             )

tests/test_cli_acceptance.py

@@ -42,6 +42,9 @@ class CliAcceptanceTests(unittest.TestCase):
         self.assertEqual(code, 0)
         self.assertTrue(data["llm_api_key_present"])
         self.assertEqual(data["llm_model"], "file-model")
+        self.assertEqual(data["pipeline_mode"], "live_turn_based")
+        self.assertEqual(data["endpoint_mode"], "primary_speaker")
+        self.assertEqual(data["context_mode"], "session_memory")
         self.assertNotIn("secret-value", str(data))
 
     def test_security_check_command_has_no_leaks(self) -> None: