GPT-Live 在课堂互动中的语音问答实现步骤

要在课堂互动里让学生通过语音向 GPT-Live 提问，完整链路是：从课堂端采集麦克风声音，在提问触发后把音频上传给 GPT-Live 服务端，再把返回的语音或文本结果送回课堂端播放。这里的难点不在大模型本身，而在音频采集范围、请求触发方式、播放结果与失败提示，以及最终在教室真实环境里做一次端到端确认。

适合在线课堂或本地小班课场景。操作动作：先固定课堂端的音频输入设备，再用按键触发录音并上传，最后播放返回结果并记录日志。验证方式：发起一次真实提问，检查请求日志和播放是否完成。风险边界：采集范围、网络延迟和播放设备音量都会影响可用性，需按实际课堂环境调整。

确定课堂端的音频采集范围

课堂端麦克风如果默认指向系统“立体声混音”或房间全向麦，会把教师讲课、学生讨论、空调噪声一起录进去，上传后 GPT-Live 很难识别出单独提问。所以第一件事是明确当前系统使用的是哪个音频输入源。

在 Windows 桌面端可以打开“声音设置 → 输入”，查看或修改默认麦克风；浏览器端需要检查 https 页面里的麦克风授权，并在调用 getUserMedia 时显式指定设备。比较稳妥的做法是在课堂开始前用系统工具列出可用设备，确认后固定使用同一设备。

# Linux 桌面端查看录音设备列表
arecord -l

# 输出示例（具体设备名需结合本机环境确认）
**** List of CAPTURE Hardware Devices ****
card 0: PCH [HDA Intel PCH], device 0: ALC257 Analog
  Subdevices: 1/1
  Subdevice #0: subdevice #0

建议把采集设备名写入课堂端配置文件，避免每次上课都重新选择。如果现场出现回声或噪声，优先检查是不是选到了“立体声混音”——那是录制系统输出，不是麦克风。

编写提问触发与音频上传代码

课堂提问不能一直录音，否则请求内容混乱。更合理的做法是让学生按住某个按键（例如空格键）开始录音，松键后停止并上传。这样既控制音频长度，也避免把思考过程传到服务端。

下面是一个浏览器端按键触发录音的骨架，使用 MediaRecorder 采集音频，松键后生成 Blob 并 POST 到占位 URL。实际接入时把 uploadUrl 替换成你的 GPT-Live 服务地址。

let mediaRecorder;
let audioChunks = [];
let stream;

async function startRecording() {
  stream = await navigator.mediaDevices.getUserMedia({ audio: true });
  mediaRecorder = new MediaRecorder(stream);
  audioChunks = [];
  mediaRecorder.ondataavailable = e => audioChunks.push(e.data);
  mediaRecorder.start();
}

async function stopAndUpload() {
  mediaRecorder.stop();
  mediaRecorder.onstop = async () => {
    const audioBlob = new Blob(audioChunks, { type: 'audio/webm' });
    const formData = new FormData();
    formData.append('audio', audioBlob, 'question.webm');

    const resp = await fetch('https://your-gptlive-endpoint.example.com/ask', {
      method: 'POST',
      body: formData
    });
    const data = await resp.json();
    handleAnswer(data); // 交给播放逻辑
    stream.getTracks().forEach(track => track.stop());
  };
}

// 键盘绑定：按下开始，松开上传
document.addEventListener('keydown', e => {
  if (e.code === 'Space' && !e.repeat) startRecording();
});
document.addEventListener('keyup', e => {
  if (e.code === 'Space') stopAndUpload();
});

代码里没有写死具体 GPT-Live SDK，因为接口地址和返回格式取决于你的部署版本。上传前可以先做一次音频时长检查，比如少于 0.5 秒就丢弃并提示“录音太短”，避免无效请求。

接收服务端回答并转为课堂播放

服务端返回的答案可能是音频文件 URL，也可能是文本。如果是文本，可以用浏览器 SpeechSynthesis 朗读，或者把文本交给 TTS 服务生成音频。优先使用服务端返回的音频，因为延迟可控且音色统一。

下面的片段处理“返回音频播放”和“文本超时/播放失败”两种情况。播放失败时至少要在界面显示文字，避免学生干等。

function handleAnswer(data) {
  if (!data || !data.audioUrl) {
    showTextAnswer(data && data.text ? data.text : '未收到回答');
    return;
  }

  const audio = new Audio(data.audioUrl);
  const timeout = setTimeout(() => {
    showTextAnswer('音频加载超时，请查看文字回答');
  }, 8000);

  audio.onplay = () => clearTimeout(timeout);
  audio.onerror = () => {
    clearTimeout(timeout);
    showTextAnswer(data.text || '音频播放失败，请重试');
  };
  audio.play();
}

function showTextAnswer(text) {
  const box = document.getElementById('answerText');
  if (box) box.textContent = text;
}

课堂播放需要单独控制声音输出设备，不要用系统默认扬声器。如果教室有多个音响，建议在系统设置里把播放设备固定到主音箱，并在页面里加一个音量滑块。播放前先测一次音量，避免回答声音过小或突然放大。

验证课堂场景的端到端流程

组件写完后，必须按真实课堂流程跑一次，不能只看单段代码。课堂环境有背景噪声、多人距离、网络波动，和开发环境差异很大。建议用以下步骤验证，每一步都记录状态。

固定麦克风为教师近讲麦克风，确认系统录音音量在 60%~80% 之间。
点击或按空格发起一次提问，录音期间不要移动设备，松键后等待服务端响应。
检查浏览器 DevTools 的 Network 面板，确认上传请求（audio POST）已发出，并查看响应状态码是否为 200 或 202。
确认音频播放正常，记录回答文本是否完整、音频时长是否合理。

// 在 DevTools Console 里打印请求日志（示例）
console.log('upload: pending');
// 上传完成后
console.log('upload: success', response.status);
// 播放开始/失败
console.log('play: started');
console.log('play: failed', error);

如果上传成功但没声音，先检查浏览器是否被系统静音，再看返回的音频 URL 是否可访问。如果请求超时或返回 502，先确认 GPT-Live 服务端的日志——有些问题出在课堂端，有些在服务端，日志能快速定位。验证通过后，再把这套流程固定成课堂端的开机自检脚本，以后每次上课前跑一遍即可。