Appearance
Issue #54：系统管理录音设备与失焦保流方案
调研日期：2026-10-12；原始代码基线：
main@80e062afb268d2e952b88f64baa1182b92ff8f70。 关联：Issue #54。用户已批准实现；2026-10-13 用户确认 XFCE 双麦与音频管理器切换通过，其他桌面及未确认的采集后端仍待验证。
摘要
- 根因：PulseAudio 后端按名称及列表顺序猜测麦克风，再显式指定 source，绕过系统默认及按应用设备恢复；内置源无声但成功建流时不会触发 PipeWire fallback。静态根因置信度：高。[S1/S2]
- 路由修复：删除猜源和
pactl子进程，pa_simple_new的dev传nullptr；保留应用/流身份、后端优先级、格式。不新增设备配置。机制置信度：高。[S3–S7] - 用户修正后的生命周期：Voice Input 开启后保持录音流，失焦不释放；失焦采样丢弃，不启动识别，取消现有 ASR/LLM，不提交迟到结果。回焦复用流、开始新识别周期；明确关闭/切换其他输入法或退出才释放。此项是已确认需求，不是外部事实推断。
- 默认输入与应用偏好不同：音频管理器保存的本应用设备偏好可以覆盖全局默认；推荐尊重它，而非强制抢回默认。机制置信度：高。[S4/S6/S7]
- 边界：保持录音流不是独占硬件。已上传音频不能撤回；本方案也不根治旧有 PulseAudio 阻塞停止问题，不承诺零延迟或采样级的服务端缓冲时间界限。
问题定义与方案演进
#54 报告 Arch + PipeWire/pipewire-pulse 环境下，内置声卡排在 USB 麦克风前，插件选到未插线的内置输入。报告者建议设备下拉框；用户要求改为由系统音频管理器选择。
初版研究建议“先设置系统默认输入再激活”，并保持失焦停流。用户明确纠正：语音输入开启时持续保持麦克风流，方便在管理器录音页选择，不因失焦而消失。因此初版的 200ms 延迟停流方案不实施，也不添加临时测试录音模式。
已确认的业务状态：
| 状态 | 录音流 | VAD/ASR/LLM | 输入框结果 |
|---|---|---|---|
| 未开启/明确关闭 | 无 | 停止 | 不提交 |
| 开启且 Voice Input 上下文活动 | 有 | 正常处理 | 仅当前 generation 提交 |
| 开启但失焦/活动上下文销毁 | 保持 | 停止，采样丢弃 | 迟到结果失效 |
| 回到 Voice Input 上下文 | 复用健康流 | 清旧缓存，重新启动 | 新 generation |
“开启”不是安装 addon 或把它添加到输入法列表，而是激活 Voice Input。失焦时保流会令系统继续显示麦克风使用，这是预期行为；用户应主动切换其他输入法或退出 Fcitx 释放。
研究方法
三轮迭代
- 阅读 issue、capture/pipeline/engine、现有测试；CodeGraph 追踪调用；Git 历史确定猜源策略来历。
- 核验 PulseAudio 默认参数、simple flags、stream restore、pavucontrol 移流，以及 PipeWire/WirePlumber 的默认、目标恢复和可移动策略。
- 搜索反证：显式 source 是否禁移、默认变化是否必移、虚拟麦克风是否应过滤、失焦流是否消失；用户修正后，进一步核验精确 Fcitx 事件调用时机及暂停/恢复并发边界。
来源与时效约束
同一项目的文档/源码/镜像不算独立来源。路由原则由 PulseAudio 与 PipeWire/WirePlumber 的不同实现交叉支持。项目独有根因由源码和报告者现象支持，不能用外部资料替代现场复现。ArchWiki 与 OpenAL 讨论只辅助运维及反方评估。
PulseAudio Doxygen 页面为 16.0，v17.0 源码也已超过一年；只用其明确版本核验稳定 API，并与其他实现交叉检查。本机 SDK 17.0-98-gb096 的短提交在所查镜像不可解析，不声称已核验精确快照全部差异。PipeWire 核验 1.6.8、WirePlumber 0.5.18；报告者未给出精确运行版本。Fcitx 核验本机 SDK 与官方 5.1.22 tag 的源代码，而非只依赖头文件描述。
关键发现与根因
1. 名称排序不代表用户意图
原 FindBestSourceName() 跳过 .monitor/echoCancel，保留第一个候选，遇到 alsa_input.*Mic1* 特殊覆盖。不读取默认源或端口可用性。算法甚至不严格优先 ALSA：第一个非 ALSA 候选也可能被保留。两个源都为 RUNNING 时按状态排序仍无解。
提交 18410ea（2026-06-27）为某台机器上 echo-cancel 源无信号而引入猜源；89397a7（2026-06-28）删除设备设置却保留猜源。根本问题是把单机处理链故障固化为全局路由策略。
依据：[S1] 2026-10-11、23/25；[S2] 基线及历史、24/25。置信度：高（静态）；端到端硬件复现未完成。
2. nullptr 是委托路由，不是硬绑定一个默认源名
dev=NULL 允许客户端默认配置和服务端路由策略参与。PulseAudio 的 PULSE_SOURCE/client.conf 可以覆盖；stream restore 可以恢复应用偏好，显式 source 已设时则跳过创建期设备恢复。当前实现每次重建又指定列表首项，因此管理器移动流后，下次还可能选错。
不应先执行 pactl get-default-source 再指定名称：仍有子进程、查询/建流竞态及显式设备优先问题。日志只能说“路由由音频服务管理”，不能把 default 字样当成已查询的实际设备。
依据：[S3/S4] 16.0/v17.0、24/25；[S6/S7] 0.5.18/1.6.8、25/25。置信度：高（机制）；报告者具体覆盖策略未知。
3. simple API 已允许音频管理器移流
v17.0 simple.c 的录音连接 flags 未设 PA_STREAM_DONT_MOVE；pavucontrol 录音页调用 pa_context_move_source_output_by_name；pipewire-pulse 将移流请求写入目标 metadata，由会话策略管理器链接。
显式 source 不等于禁止移流。当前故障是错误的创建期选择与重建后覆盖。无需为移流迁移异步 API，但 simple API 没有设备移动回调、实际设备查询或自定义 proplist 参数。
依据：[S4] v17.0、24/25；[S5] 固定提交日期 2026-05-01、24/25；[S7] 1.6.8、25/25。置信度：高（可移动机制）；真实切换听感/延迟未知。
4. 默认与按应用偏好必须区分
| 操作 | 作用域 | 已运行流及恢复 |
|---|---|---|
系统输入设备设默认，set-default-source/wpctl set-default | 全局 | 已有应用覆盖可能不跟随；迁移由服务策略决定 |
录音页选设备，move-source-output | 当前流 | 请求移动；恢复开启且身份匹配时下次可恢复 |
| patchbay 手工连线 | 图连接 | 不等同管理器目标恢复，持久化取决于工具 |
WirePlumber 默认启用 moving/restore-target；PulseAudio 默认变化只按条件移动流。不能承诺更换默认立即移动所有应用，也不应设 state.restore-target=false 来破坏按应用选择。
依据：[S4/S6/S7/S8] 24–25/25；[S9] 动态运维资料、22/25。置信度：高（机制区别）；桌面 UI 一致性：中。
5. Fcitx 的失焦与明确切换可以区分
Fcitx 5.1.22 Instance::deactivateInputMethod() 把原始 FocusOut 或 SwitchInputMethod 事件传入 engine，随后才发布 Deactivated notification。只按 notification 名称判断会丢掉原因。
对未聚焦上下文的输入法切换，core 跳过 engine 回调。因此还需监听 switch 事件，在保流期间通过托盘/远程切换其他输入法时释放；活动上下文销毁应停止识别，但不冒充“明确关闭”。
依据：[S10] 精确 SDK/tag、25/25；[S2] 原项目事件实现、24/25。置信度：中（各自源码确定，发行版实际焦点与托盘流程仍需验收）。
三种方案对比
| 维度 | 保守：委托路由，但失焦停流 | 中间：委托路由、失焦保流（已选） | 激进：异步音频与全新录音模式 |
|---|---|---|---|
| 修复错选 | 是 | 是 | 是 |
| 管理器录音页方便选设备 | 焦点切换可能导致流消失 | 是，流持续存在 | 可以，但超过当前需求 |
| 失焦识别/上传 | 停止 | 停止，丢弃采样 | 必须另外定义 |
| 实现/测试成本 | 低 | 中：分离采集和识别生命周期 | 高：更多状态、SDK 和线程边界 |
| 维护成本 | 低 | 中，保留现有 SDK 和接口 | 高，需独立架构评审 |
| 行为迁移 | 虚拟默认重新生效 | 同左，且失焦仍显示麦克风占用 | 录音控制方式及依赖可能改变 |
| 服务费用 | 无新增服务 | 无新增服务；失焦不新开识别请求 | 取决于另定义的识别模式 |
应用内设备下拉框或 USB/RUNNING 排序均不推荐：前者形成双重决策点，后者不能表达用户意图。最佳方案是中间方案；异步有界停止作为已有债务独立交付。
已批准的实现设计
- 路由：PulseAudio 不指定设备；原生 PipeWire 继续
PW_ID_ANY + AUTOCONNECT，不加目标或禁止移动属性。保留现有身份及 Pulse→PipeWire 优先级。 - Engine：失焦立即失效 generation/活动输入框引用并调用
Pause()，独立保留采集归属引用；只有所属上下文的明确停用调用Stop()，避免其他 Voice Input 上下文误关。监听无焦点 switch 和全局 group change；上下文销毁暂停识别，回到 Voice Input 重新取得归属，组变更/退出仍可全局释放。 - Pipeline：
running_只代表识别；采集由capture_单独拥有。Start()复用健康流，恢复前清队列；死流安全清理后重新创建。Pause()关闭帧投递、暂停结果、停止 VAD/dispatcher，再取消/回收会话、清缓冲；Stop()另关闭采集；Abort()永久关闭通知并完整清理。 - Capture：保流时继续消费/丢弃采样。投递 epoch 与 mutex 防止暂停返回后再入队；epoch 而非布尔值防止一条 read 跨快速暂停/恢复泄漏旧帧。主线程不并发 free 或切换 queue 指针。
- PipeWire：RT 回调不加 mutex、不做 VAD、不分配，只读 epoch、写 ring，每个已完成回调（含空 buffer）在归还所取 buffer 后发布 producer epoch。Drain 观察新 epoch 的生产者屏障后才有界 drain/重置组帧，避免旧回调在清理后补写或空回调导致恢复首帧丢失。
- VAD：每轮启动重置 Silero 模型状态与 pre-roll。失焦已经失效 UI generation，不再等待 speaking 回调清理旧 UI。
应用队列与跨切换在途帧被丢弃；PulseAudio 保流期间持续读取，不新增异步 flush，也不将服务端固有缓冲/远程延迟包装成采样级保证。切换或恢复瞬间可能丢弃过渡音频，不承诺无间断。
验证、风险与回滚
测试公开边界
用户确认：真实 Engine 事件入口、真实 Capture 与 Pipeline 启动/暂停/停止接口；只替换外部音频库及 VAD/ASR 边界，不访问生产私有状态，不新增生产依赖注入层。
已取得红→绿证据：旧猜源把内置源传入且调用 pactl；旧失焦生命周期在超过 200ms 后 Stop；未连接投递门时暂停音频入队并在恢复后回放；只把 Pause 写成 Stop 时真实 pipeline 释放采集。测试随后覆盖对应修复。最终完整测试/构建结果以交付记录为准，不能将假库测试当成硬件验收。
测试覆盖目标：默认参数及身份、无子进程、失焦保流但无识别、跨 read 快速暂停恢复、应用缓存清理、死流恢复、显式/无焦点关闭、上下文销毁及迟到结果过滤。PipeWire 另覆盖旧 RT callback 跨 epoch 写入与 error 后释放。假库仅在构建目录，不接触用户音频服务或网络。
本地验证：Release 完整构建、38 项 ctest 全通过；10 项核心生命周期测试重复 20 轮通过；屏蔽 PipeWire pkg-config 的可选后端构建通过，相关测试通过。独立复核补充的其他 Voice Input 上下文误关和四种空 buffer 后首帧均先失败后修复。nm/readelf 确认 addon 无直接 pa_*/pw_* 未定义符号或录音库 DT_NEEDED。PipeWire 假库不使用新版 pw_buffer.time 字段，以兼容 Debian 12 的旧 SDK。
用户现场验收（2026-10-13）
用户在自己的 XFCE 电脑上实测，确认双麦克风工作正常，设备可在音频管理器中切换，接受此环境下的基本可用性。仅记录用户报告，不冒充代理执行的硬件测试。
音频服务/实际采集后端、设备型号和版本未提供；不推定两个采集后端均经过现场测试。其他桌面，以及失焦无上传、回焦无旧音频、托盘关闭的逐项现场结果仍未确认；不据此宣称全桌面/全后端验收或无间断、低延迟切换。
本地复现命令：
bash
cmake -B build-lifecycle -DCMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=/usr -DBUILD_TESTS=ON
cmake --build build-lifecycle -j4
ctest --test-dir build-lifecycle --output-on-failure不执行安装。发布门禁还包括无录音库 DT_NEEDED/直接未定义符号、无 PipeWire 可选构建、真实双麦的默认/移流/恢复、KDE/GNOME 失焦和托盘关闭。改路由只由用户或隔离测试执行，不能清空用户整个音频状态目录。
最坏情况与反方
- 错误默认虚拟源重新生效：旧历史问题可能无声；正常降噪源也不能被名称规则禁用。用户在管理器检查源和电平。若选到回放 monitor，活动识别可能上传播放内容，必须明确提醒。
- 失焦仍占用麦克风：这是用户明确批准的行为，系统指示灯保持；不等于识别仍进行。已经送出的请求无法撤回，取消只尽力终止在途操作、拒绝迟到结果。
- Stop 卡住：PulseAudio 同步 read/join 的已有风险仍在。识别先停、会话先取消再关闭采集，降低关闭期间继续识别的风险，但不承诺主线程停止上界，不用跨线程 free/detach 掩盖。
- 应用偏好不跟随默认：这是尊重用户选择，不是错选算法回归。管理员可以关闭恢复；两个后端恢复身份也不保证一致。不改身份或数据库做隐式迁移。
- 异步 API 更强：可获得有界生命周期与设备状态，但不是管理器移流的前提。OpenAL 对实际设备名/配置的争论适用于需要按设备混音的 API，本插件不因此增加设备枚举。[S11]
独立后续任务 CAPTURE-54-001：有界 PulseAudio 生命周期与状态反馈，依据 #14/PR #17 根因记录。先复现设备挂起/服务无响应，再批准异步设计并验证无 UAF、无阻塞停止和可重试；不混入此次交付。
回滚是整体回退本次 capture/recognition 生命周期变更，无用户配置或数据库迁移。不存在旧猜源兼容开关或双写路径。
元评审
- 剩余未知：报告者具体默认/恢复策略、音频栈版本、真实桌面流程、硬件切换延迟和 PulseAudio 服务端缓冲。
- 最弱证据：声音连续性、切换延迟与其他桌面/采集后端；XFCE 双麦与管理器选择已有用户现场反馈，但未量化延迟。
- 可能错误的假设：USB 已是默认、移动/恢复策略开启、所有桌面托盘选择发出相同事件；需现场确认。
- 已考虑例外：虚拟输入/monitor 隐私、蓝牙 profile、远程 Pulse 服务、管理员关闭恢复、非 WirePlumber 策略、多输入上下文。
- 下一轮最高收益：真实双麦机器上的管理器录音页切换、失焦无识别、回焦新音频、托盘关闭四条流程。继续文献搜索不能替代这些实验。
- 停止文献调研的理由：核心机制已由不同实现支持，主要反方覆盖；未满足双源/实验验证的具体桌面及连续性结论仍标未知，不提高置信度。
来源、时间与评分
评分为权威性/一手性/时效性/独立性/可验证性，各 1–5；文档与同项目源码合并计来源族。日期未知只标访问日期，不编造发布时间。
| ID | 来源 | 版本/时间 | 评分与使用边界 |
|---|---|---|---|
| S1 | Issue #54 | 2026-10-11 | 4/5/5/5/4=23；报告者自述 |
| S2 | capture、engine、pipeline 与 Git 历史 | 基线 2026-10-11；历史 2026-06 | 5/5/5/4/5=24；确定原实现，不证明硬件连续性 |
| S3 | simple.h | 页面 16.0；访问 2026-10-12 | 5/5/4/5/5=24；旧文档，稳定签名 |
| S4 | simple.c、stream.c、client-conf、stream restore、source.c | v17.0，2024；访问 2026-10-12 | 5/5/4/5/5=24；不冒充本机精确快照 |
| S5 | SourceOutputWidget | 提交日期 2026-05-01 | 5/5/5/4/5=24；录音页移流入口 |
| S6 | Settings、Linking、Streams | WirePlumber 0.5.18；发布日期未知，访问 2026-10-12 | 5/5/5/5/5=25；不外推全部部署 |
| S7 | pulse-server.c、state-stream.lua、Streams | 1.6.8/0.5.18；访问 2026-10-12 | 5/5/5/5/5=25；默认/移动/恢复实际实现 |
| S8 | wpctl(1) | 0.5.18；发布日期未知，访问 2026-10-12 | 5/5/5/5/5=25；默认与持久化 |
| S9 | PulseAudio、WirePlumber | 动态 ArchWiki；访问 2026-10-12 | 4/4/5/5/4=22；独立运维辅助 |
| S10 | instance.cpp、inputcontext.cpp、本机 SDK | Fcitx 5.1.22；访问 2026-10-12 | 5/5/5/5/5=25；精确版本事件时序 |
| S11 | OpenAL Soft #892 | 2023-08 至 2023-09 | 4/4/2/4/4=18；过期，仅用于设计反方 |