После сборки на Tauri затрещал голос и почернел стрим: разбираем три ошибки одного теста

Значимый прорыв формирует отрасль ИИ: PAPADAN 1 час назад После сборки на Tauri затрещал голос и почернел стрим: разбираем три ошибки одного теста Средний 10 мин 2. 4K C++ * Rust * Звук Веб-разработка * Windows * Кейс В предыдущей статье мы сравнили старый Win32-клиент БОЛТУНа с новой веткой на Tauri. Тогда всё закончилось вполне оптимистично: новый интерфейс оказался тяжелее, зато развивать его было намного удобнее.

Мы решили продолжить эксперимент и проверить приложение уже не в пустом лобби, а в настоящем разговоре. Запустили три разных клиента: Windows-приложение на Tauri, веб-версию и APK. Зашли в одну комнату и начали разговаривать.

Технические детали

За один вечер нашли три проблемы:демонстрация экрана примерно через минуту превращалась в чёрный прямоугольник;автокалибровка продолжала менять настройки во время разговора;самое неприятное — внутри речи появился треск. Слова можно было разобрать. Но слушать такой разговор долго не хотелось.

В этой статье разберём только эти три сбоя. Треск привёл нас к перегрузке на выходе и слишком резким границам между аудиопакетами. Автокалибровка почти минуту вмешивалась в уже начавшийся разговор.

А у чёрного экрана соединение оставалось живым — останавливались сами видеокадры. Спойлер: Tauri не добавлял треск в звук и не выключал трансляцию по таймеру. Мы сами собрали аудиограф, который мог усилить сигнал в четыре раза, не поставили финальный ограничитель, а при потере 20-миллисекундного пакета обрывали волну почти вертикально.

Отраслевые последствия

Видеотракт при этом не умел замечать, что подключение к LiveKit ещё существует, но новые кадры уже не отправляются. Почему мы сначала заподозрили TauriСтарый клиент на C++ и Win32 разговаривал. После переноса интерфейса и части общей логики в Tauri голос затрещал.

Самая очевидная версия звучала просто:Значит, WebView2 плохо работает со звуком. Но между «после» и «из-за» есть большая разница. Desktop-клиент на Tauri и обычный браузер используют наш общий TypeScript-код голоса.

На Windows этот код работает внутри WebView2. APK использует отдельный аудиодвижок на Java, но понимает тот же сетевой формат. Сервер вообще не декодирует речь — он пересылает голосовые кадры участникам комнаты.

Событие, по словам экспертов, усилит конкуренцию в сфере ИИ.