LiveKit Agents VAD流异常问题分析与解决方案

问题背景

在使用LiveKit Agents的VAD(语音活动检测)流时，开发者偶尔会遇到"Exception is not set"的异常情况。这个问题通常发生在STT(语音转文字)模块中手动迭代VAD流时，特别是在系统启动初期或特定条件下。

异常现象分析

当出现该问题时，系统会抛出以下异常栈：

Error in send_task
Traceback (most recent call last):
  File "ib/python3.12/site-packages/livekit/agents/vad.py", line 162, in __anext__
    val = await self._event_aiter.__anext__()
          ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
StopAsyncIteration

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
  File "lib/python3.12/site-packages/livekit/agents/utils/log.py", line 16, in async_fn_logs
    return await fn(*args, **kwargs)
           ^^^^^^^^^^^^^^^^^^^^^^^^^
  File "/sttv3.py", line 289, in send_task
    async for event in self._vad_stream:
  File "ib/python3.12/site-packages/livekit/agents/vad.py", line 164, in __anext__
    if not self._task.cancelled() and (exc := self._task.exception()):
                                              ^^^^^^^^^^^^^^^^^^^^^^
asyncio.exceptions.InvalidStateError: Exception is not set.

根本原因

经过深入分析，发现该问题主要由以下两种情况触发：

1. 输入音频未启用时：当Agent初始化时设置了session.input.set_audio_enabled(False)，VAD流会在没有音频输入的情况下启动。

2. 初始化顺序问题：VAD流的初始化速度快于输入通道(_input_ch)的准备速度，导致VAD流在开始处理前就尝试访问数据。

这两种情况都会导致VAD流的事件通道(_event_ch)在VAD主任务完成前被关闭，违反了VAD模块的设计预期。

解决方案

针对上述问题，我们提出了以下解决方案：

1. 确保初始化顺序

在STT模块中，通过引入同步事件来确保VAD流处理前输入通道已准备就绪：

async def _forward_input(start_event: asyncio.Event):
    """forward input to vad"""
    async for input in self._input_ch:
        if isinstance(input, self._FlushSentinel):
            self._vad_stream.flush()
            continue
        start_event.set()  # 标记输入通道已准备
        self._vad_stream.push_frame(input)

async def send_task(ws: aiohttp.ClientWebSocketResponse, start_event: asyncio.Event):
    # 等待输入通道准备就绪
    await start_event.wait()
    async for event in self._vad_stream:
        # 正常处理VAD事件
        ...

2. 处理音频禁用情况

对于需要禁用音频输入的场景，应在VAD流处理前添加状态检查：

if not self.session.input.audio_enabled:
    # 处理音频禁用逻辑
    return

最佳实践建议

1. 初始化顺序控制：始终确保VAD流在输入通道准备就绪后再开始处理。

2. 状态检查：在处理VAD流前检查音频输入状态，避免在禁用状态下尝试处理。

3. 错误处理：为VAD流处理添加适当的异常捕获，确保系统稳定性。

4. 资源管理：使用弱引用集合管理流对象，防止内存泄漏。

总结

LiveKit Agents的VAD流异常问题主要源于初始化顺序和状态管理的不一致。通过引入同步机制和状态检查，可以有效避免此类问题的发生。在实际开发中，开发者应当注意异步组件的初始化顺序和状态管理，确保系统的稳定运行。

对于需要集成VAD功能的STT模块，建议参考上述解决方案实现，同时考虑将VAD功能作为STT流的标准组成部分，减少重复实现和维护成本。