Gate 1A · 语音证据页（Agora CN V2V）

Agora CN Conversational AI（qwen3.5-omni-flash-realtime）浏览器端验收工具 · 证明：加入频道 / agent 音频可听 / 可中途打断 / 有可复制的时间戳日志。纯静态页：不依赖任何引擎运行时，也不属于游戏引擎构建产物。

1 · 配置

API 基地址 bookId faceIndex 频道名覆盖（可选）证据端点 token（可选）

页面 origin 必须在服务端白名单里：本地静态页用 http://localhost:8000，公网部署直接用页面自身域名（如 https://voice.metaalms.com/，API 基地址自动跟随），否则写操作会 403 origin_not_allowed。公网实例的 /say /ask /agent /timeline /sessions/purge 需要 X-Voice-Dev-Token（服务端 VOICE_DEV_TOKEN），这里填的值只存在你自己浏览器里，页面不会把它写进任何提交物。另：浏览器要求"真实用户手势"才放行音频自动播放与麦克风，自动化点击不算——听不到 AI 说话时先手动点一下页面再点"加入频道"。

2 · 操作

测试语音 URL（同源可取到即可；默认指向本地生成的自检语音，仓库不提交该文件）

用音频文件提问（把本地音频当作麦克风发布，用来确定性地验证“用户语音 → 模型”这一段；不依赖真人对着麦克风说话）

用文字问 AI（走 /ask → think：把文字注入模型，模型会用语音回答，和"你说话提问"走同一条路；最多 200 字）

让 AI 念一句（经模型逐字念出：本项目没有独立 TTS provider，Agora 的 speak 命令不会逐字播报；这里改为让模型朗读指定文字，实测可原样念出。最多 200 字）

3 · 状态

连接状态: 未连接
会话 / 书籍: —
频道 / 本地 UID: —
Agent UID: —
Agent 是否在频道: 否
Agent 音频: 未收到
打断次数: 0 （本地估计：本地电平 + 远端电平推断，仅作参考）
EoU → 首帧音频: — （你说完 → agent 出声，SPEC 目标 P50 < 1.0s）
打断 → 停下: — （你插话 → agent 音频真的停，SPEC 目标 < 300ms）
本地麦克风电平: 0
Agent 音频电平: 0

Gate 1A · 语音证据页

1 · 配置

2 · 操作

3 · 状态

4 · 事件日志（证据）