GPT-Live-1.1 在长段语音里丢句，先不要急着换模型或怀疑识别能力。典型表现是：中间整句消失，但前后内容都在。这通常说明语音在进入识别前就被切断了——要么音频分段把一句话切成两半、只保留了一侧，要么静音超时或最大录音时长把后半段截掉。判断方向很具体：先用一段带编号、带停顿的长语音把丢句位置固定下来，再去应用设置里找音频分段、静音超时、最大录音时长这几项，然后每次只改一个参数、重录同一段话，看丢句次数有没有变化。需要提醒的是，选项名称、默认值和可调范围在不同应用和不同部署方式下并不一致，下面出现的字段名只是通用占位，实际以你界面上能看到的为准。

长语音丢句优先排查音频分段与超时设置，而不是先归因模型能力。做法：录一段 40–60 秒、每句带编号的长语音，在固定位置插入 1–2 秒停顿，回放时标出丢句落在第几句、是否紧邻停顿；再到应用设置里确认音频分段时长、静音超时、最大录音时长三项的实际值与可调范围，界面看不到默认值就只记可调范围，不要凭记忆填；之后每次只调一个参数，重录同一段语音比较丢句次数。连续说话丢、分段说话不丢，偏向超时或总时长截断；两种方式都丢且位置固定，偏向分段边界处理。若三项都调到界面允许范围仍丢句，应转去对比客户端日志与服务端返回文本，不宜直接断定是模型上下文长度问题。

录制一段包含明显停顿的长语音并回放

这一步的目的不是复现“偶尔丢”，而是把丢句固定在一个可重复的位置。建议按下面的方式准备素材，保证每一句都能被耳朵单独核对：

• 录音长度：控制在 40–60 秒，明显长于界面上任何一项分段或超时参数，否则测不出截断。
• 停顿位置：在第 3 句后、第 6 句后各停 1–2 秒，停顿要明显超过你怀疑的静音超时值。
• 句子内容：每句开头报编号，例如“第一句，今天下午三点开会”“第二句，会议室在三楼东侧”，编号和短句都便于回放时定位。
• 丢句位置标记：回放时记录丢的是第几句、丢句是否正好紧贴停顿、丢句前后是否还能连上语义。

建议用同一台设备、同一个麦克风、相同距离录 3 遍，填入一张简单的记录表，后面调参数时用同一张表对比：

如果三遍录音丢句位置各不相同、也没有规律，说明问题可能不在分段边界，而更接近链路抖动或回放环节，后面的参数对比仍要做，但优先级要往后放。

在应用设置里查找音频分段、静音超时、最大录音时长选项

这三项是可能截断语音的主要参数，名字在不同应用里差别很大，可以先按作用去找，而不是死记名称：

• 音频分段时长：常见叫法有分段长度、chunk 时长、单段音频上限，作用是决定一次送入识别的音频最长多少秒。
• 静音超时：常见叫法有静音判定、结束静音时长、VAD 静音阈值，作用是一段静音持续多久就判定句子结束。
• 最大录音时长：常见叫法有录音上限、单次会话时长，作用是一次连续录音的总时长上限，超过后通常直接停止采集。

记录时按“界面显示的默认值 + 界面给出的可调范围”抄写。界面上没有显示默认值、也没有说明可调范围的，就只记“存在该项、界面未标注”，不要按经验补一个数字，否则后面比较会失真。很多应用会把这类参数放在高级设置、语音输入设置或配置文件里，通用占位结构大致如下，字段名和数值都需要按你的实际界面替换：

{
  "audio": {
    "segment_seconds": 15,      // 单段音频上限，替换为界面实际项
    "silence_timeout_ms": 1200, // 静音多久算一句结束
    "max_record_seconds": 60,   // 单次录音总时长上限
    "vad_enabled": true         // 是否启用静音检测
  }
}

示例中的数值只表示“这里应该填一个数值”，不是推荐值，也不能当作默认值使用。修改前先把原值抄下来，改坏了能退回。

调整分段长度或超时时间后重复同一段语音

调参的关键是控制变量：一次只改一项，其余保持不变，改完立刻重录前面那段带编号的长语音，仍然录 3 遍。建议按这个顺序试：先把最大录音时长放宽到界面允许的更大值，再放宽静音超时，最后再动分段时长。原因是总时长截断和静音截断都会表现为“后面整段没了”，先排除这两项，剩下的才更像分段边界问题。

记录时不要写“效果变好”，要写可数的事实：3 遍录音里丢了几次、丢在第几句、是否仍然紧邻停顿。对比表可以这样填：

如果放宽某一项后，丢句正好落在原来那个停顿位置附近，基本可以确认这一项参与了截断；如果三项都放宽了，丢句次数不变且位置仍固定在第几句，那问题更可能出在分段边界的拼接或识别结果合并上，需要结合客户端日志确认。

对比连续说话与分段说话两种方式

这一步用来把“超时截断”和“分段识别问题”分开，操作上很简单，但要严格按两种方式各做 3 遍：

1. 连续说话：一口气把 10 句编号短句说完，中间不做超过半秒的停顿，保持 40–60 秒总长度。
2. 分段说话：每说完一句，主动停 1.5 秒左右再继续说下一句，总内容与连续说话完全一致。
3. 两种方式都用同一设备、同一距离，录完分别记录丢句次数和丢句位置。

结果差异通常指向不同方向：连续说话丢、分段说话不丢，说明主动停顿让识别在段边界处正常收尾，问题偏向静音超时或总时长截断；两种方式都丢且丢在同一句，偏向分段边界处理或结果合并；分段说话反而丢得更多，通常是静音超时设得太短，把一句话切成了两半，前半段被当成完整句子提交。若两种方式都不丢或随机丢，建议先查网络与客户端版本，再回到参数。

最后留一条边界：以上步骤只能定位到应用层的分段与超时配置。如果三项参数都已调到界面允许的范围仍丢句，或者丢句位置随录音内容变化而无规律，就需要拿客户端日志与服务端返回的文本片段逐段对齐，看是哪一段音频没有结果返回。在没有这类对照材料之前，不要把丢句直接归因为模型的上下文长度限制。