fix(voice): 修复带工具调用的语音轮「有声无字」 (#1646)

* fix(voice): 修复带工具调用的语音轮「有声无字」

部分语音 provider（lanlan.app Gemini 代理）只发 response.audio_transcript.delta、
不发 response.audio_transcript.done，输出转录全靠 _print_input_transcript=True 的
streaming 分支实时送出。但工具调用（如 recall_memory）那一轮的 response.done 会把
_print_input_transcript 置 False，紧随其后的真回复转录便走 buffer 分支累积进
_output_transcript_buffer，无 transcript.done 来 flush，最终在 response.done 被直接
清空 → 前端有声无字。

在 response.done 清空 buffer 前补一次 flush：仅当本轮真出过声（audio_delta_count>0）
且 buffer 仍有残留时补发。streaming 分支每次都会清空 buffer，正常轮此处为 no-op，
不会重复发送。flush 在 on_response_done(turn_end) 之前触发，时序正确。

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

* chore(voice): 兜底 flush 输出转录时加一条 debug 日志

「有声无字」是反复出现的问题，留一条 debug 日志方便下次诊断时区分是
response.done 兜底生效、还是 streaming / transcript.done 路径生效。
采纳 CodeRabbit 评审建议。

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

---------

Co-authored-by: Hongzhi Wen <cartabio.coder1@gmail.com>
Co-authored-by: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

Author: 3 people

main_logic/omni_realtime_client.py

@@ -2639,6 +2639,33 @@ async def _run_tool(_name=name, _args=raw_args, _cid=call_id):
                     else:
                         self._last_response_transcript = ""
                         print(f"OmniRealtimeClient: response.done - 没有转录文本 | audio_deltas={self._audio_delta_count}")
+                    # [有声无字兜底] 部分 provider（如 lanlan.app Gemini 语音代理）只发
+                    # response.audio_transcript.delta、从不发 response.audio_transcript.done，
+                    # 输出转录全靠下面 streaming 分支（_print_input_transcript=True）实时送出。
+                    # 但带工具调用的一轮里，工具调用那一轮的 response.done 会把
+                    # _print_input_transcript 置 False（见下方），紧随其后的真回复转录便走
+                    # buffer 分支累积进 _output_transcript_buffer，没有 transcript.done 来 flush，
+                    # 就在这里被直接清空 → 前端有声无字。这里在清空前补一次 flush：只要本轮真
+                    # 出过声（audio_delta_count>0）且 buffer 仍有残留就补发。streaming 分支每次都
+                    # 会清空 buffer，故正常轮此处为 no-op，不会重复发送。
+                    if (
+                        self._output_transcript_buffer
+                        and self.on_output_transcript
+                        and self._audio_delta_count > 0
+                    ):
+                        # 「有声无字」是反复出现的问题（见上方 ISSUE4b），留一条 debug
+                        # 日志方便下次诊断时确认是这条兜底生效、还是 streaming/transcript.done
+                        # 路径生效。audio_delta_count 此处尚未清零，记录的是本轮真实值。
+                        logger.debug(
+                            "response.done 兜底 flush 输出转录: buffer_len=%d audio_deltas=%d is_first=%s",
+                            len(self._output_transcript_buffer),
+                            self._audio_delta_count,
+                            self._is_first_transcript_chunk,
+                        )
+                        await self.on_output_transcript(
+                            self._output_transcript_buffer, self._is_first_transcript_chunk
+                        )
+                        self._is_first_transcript_chunk = False
                     self._audio_delta_count = 0
                     # 确保 buffer 被清空
                     self._output_transcript_buffer = ""