fix: a frase fecha quando a pessoa para de falar, e não no teto de 15s

[kerlonr]

O defeito inteiro, numa linha do log

Processing audio with duration 00:15.000
VAD filter removed 00:10.288 of audio
ouvi: qual seu nome? Atlas, qual seu nome

Quinze segundos — o teto — para uma pergunta curta, com o reconhecimento descartando dez deles como não-fala, e duas perguntas grudadas numa só.

A transcrição só começava depois desses 15 segundos. É daí a demora que não dava para explicar olhando o modelo ou a voz: nenhum dos dois estava lento.

A causa

if tem_voz:
    quieto = 0

Um único bloco de 30 ms acima do limiar zerava a contagem de silêncio. Parece inofensivo até a voz de quem fala ficar perto do limiar: as sílabas cruzam, as pausas não, e a contagem nunca chega ao fim.

E o limiar vinha subindo. Ele é medido uma vez, logo depois da saudação, e nos arranques deste robô deu 0,036 · 0,041 · 0,045 · 0,057 — nos mais altos, as frases pararam de fechar.

As três mudanças

1. Um bloco solto não é "ainda falando". São precisos dois seguidos (60 ms) — pouco para atrapalhar uma sílaba de verdade, o bastante para um estalo ou uma respiração não segurarem quinze segundos de áudio.
2. O teto caiu de 15 s para 10 s, e bater nele virou um aviso no log com o limiar em uso. Ninguém faz uma pergunta de dez segundos a um robô: chegar lá é sintoma.
3. O limiar virou ajustável (ROBOTEYE_HEARING_LIMIAR). Medir a sala continua sendo o padrão; o número fixo existe para quando erra — uma sala barulhenta no instante da medição deixava o robô surdo pelo resto do dia, sem forma de corrigir.

De quebra, o fim de cada frase passa a aparecer no log com quanto durou e quanto disso era voz.

Verificação

• 753 testes passam (eram 749), nos dois ambientes
• o teste do defeito reproduz o padrão exato — um bloco acima do limiar a cada quatro, que é o que uma voz baixa produz — e falha sem a correção; conferido desfazendo-a

🤖 Generated with Claude Code

https://claude.ai/code/session_0173mr3mDsAKQuPUNaPghe9v