[Bug] 音频识别：OOM崩溃后文件上传链路永久损坏 + 兼容模式接口间歇403

[ch12chloe-pixel]

环境

• Operit AI Android 最新版
• 阿里云百炼 DashScope (qwen3.5-omni-plus)
• 用户API Key余额充足（996,666/1,000,000）

---

Bug 1：文件上传链路OOM导致永久损坏 🔴 严重

复现步骤

1. 使用 aliyun_omni_stt 转写插件处理46MB音频文件（实为MP4视频改后缀名）
2. 软件内存解码时膨胀至247MB
3. 触发 OOM 崩溃：

   java.lang.OutOfMemoryError: Failed to allocate a 247748488 byte allocation 
   with 25165824 free bytes and 199MB until OOM
   

4. OOM后所有音频识别功能永久失效，即使换用266KB正常mp3，仍报错：

   InternalError.Algo.InvalidParameter: The provided URL does not appear to be valid.
   

5. 卸载重装Operit无效
6. 同一音频通过DashScope原生接口（base64 data URL）正常识别 ✅

推测根因

Operit的音频文件上传链路将音频完整解码到内存后再处理，大文件导致OOM。OOM后文件上传服务进程被系统杀死，且无法自动恢复。重装后问题仍存在，可能是代码层面未正确处理OOM后的状态恢复。

建议修复

• 音频文件上传改用流式上传或base64 data URL直传，避免内存中完整解码
• DashScope原生多模态接口支持 data:audio/{format};base64,... 格式
• 验证：设置→模型→音频识别→测试连接阿里云omni模型 → 始终"API连接失败"，同一配置对话功能正常

---

Bug 2：兼容模式接口间歇403 🟡

复现步骤

1. 阿里云配置绑定 qwen3.5-omni-plus（用户Key）
2. 通过兼容模式接口 (compatible-mode/v1/chat/completions) 调用
3. 间歇性403 "free tier exhausted"
4. 6月11日统计：33次调用中20次失败
5. 同一Key通过DashScope原生接口正常 ✅

推测

兼容模式接口可能存在独立的免费层配额，耗尽后未正确fallback到付费余额。

---

补充

以上两个bug叠加导致：同一模型配置下，对话功能正常但音频识别功能完全不可用。已在百炼控制台确认成功和失败调用记录（同一Key）。当前临时绕过方案：直接调用DashScope原生多模态接口传base64 data URL。

[luojiaping]

排查结果

感谢反馈。经过完整排查和实测，结果如下：

---

1. 关于 aliyun_omni_stt

Operit 代码库和阿里云百炼官方文档中均不存在此插件/产品。内置 STT 引擎仅有 SHERPA_NCNN、OPENAI_STT 和 DEEPGRAM_STT 三种。如果这是第三方工具包插件，OOM 崩溃的根因大概率是该插件在处理大文件时没有做内存保护（如流式读取、文件大小预检等），直接将整个文件读入内存再 base64 编码。

---

2. 关于 Bug 1（OOM 崩溃 + 永久损坏）

无法复现。 实测上传 46MB 文件（视频改后缀为 .mp3）后，MediaPoolManager 检测到文件超过 20MB 限制，自动调用 FFmpeg 压缩至约 177KB 后再 base64 编码发送，全程无 OOM。每次 API 请求独立，不存在"永久损坏"的可能。卸载重装后数据清除，更不可能残留状态。

---

3. 关于 400 InvalidParameter——已确认复现

<400> InternalError.Algo.InvalidParameter: The provided URL does not appear to be valid.

根因： Operit 将音频以裸 base64 字符串放入 input_audio.data 字段，但 DashScope 兼容模式要求该字段为合法 URL 格式。

Operit 当前（OpenAIProvider.kt）：

put("data", link.base64Data)       // ← 裸 base64
put("format", audioFormatFromMime(link.mimeType))

DashScope 官方文档期望的格式：

{
    "type": "input_audio",
    "input_audio": {
        "data": "https://example.com/audio.wav",
        "format": "wav"
    }
}

正确格式应为 data URL：

{
    "type": "input_audio",
    "input_audio": {
        "data": "data:audio/mp3;base64,SGVsbG8gV29ybGQ...",
        "format": "mp3"
    }
}

将在后续版本修复。

---

4. 关于 403 间歇性

未复现，如能提供请求 ID 或控制台截图可进一步排查。

---

总结

问题	结论
Bug 1（OOM / 永久损坏）	❌ 无法复现，aliyun_omni_stt 插件可能缺少内存保护
400 InvalidParameter	✅ 已确认，将在后续版本修复
403 间歇性	⚠️ 未复现，需更多信息