「在线联机原型全集」扩展篇之八：语音聊天与实时通信（Voice Chat & Real-time Comms）

语音是联机竞技的「第二个赛道」——没有语音的匹配像在真空里配合。本 PRD 是《在线联机原型全集》的扩展篇之八，聚焦语音房间、RTC 通道、转写与质量监控，让开黑从「约好外挂语音」变成「进局即通」。

1. 目标与验证点

一句话目标：进局即通、离局即静，语音延迟被玩家完全忽略。

2. 系统架构

flowchart TD
A["Player A (Mic)"] -->|RTP over UDP| B["SFU/Relay"]
A2["Player B (Mic)"] --> B
C["Player C (Speaker)"] -->|RTP| B
B --> D["Room Service"]
D --> E["Room Store"]
B --> F["Transcriber (ASR)"]
F --> G["Subtitles to all"]
D --> H["Presence / State"]
D --> I["Quality Monitor"]
I --> J["Adaptive Downshift"]

说明：

• SFU/Relay：服务端转发媒体流，兼容 NAT、统一 QoS
• Room Service：房间创建/加入/离开、角色分配（主持/听众/说话）
• Transcriber：ASR 生成字幕，跨语言能力见扩展篇之十
• Quality Monitor：采集 RTT/丢包/抖动，触发降级（音频码率/通道数）

3. 语音房间模型

3.1 房间类型

3.2 房间状态机

created → open → (join/leave) → closed
   ├── open 期间成员增减不影响会话
   ├── 全部离开 → idle 5min 自动回收
   └── 对局结束 → 队伍房随结算归档

心智：语音房是「会话级资源」——开对局开房、结束归档，跟游戏状态绑定，不做常驻长连接（频道房除外）。

4. RTC 通道：SFU vs 混音

4.1 两种方案对比

SFU：玩家A ──┐
             ├→ 转发给 B/C/D（每人听自己需要的路）
玩家B ──┐    │
        └──→ A/C/D
混音：所有玩家 ──→ 混音器 ──→ 1 路下发每个人

4.2 3D 语音与空间衰减

近距离说话声音大、远距离变小 → 按 AOI 距离做音量衰减
  - 位置来自服务器权威坐标（[#19 视野圈](#9)）
  - 衰减曲线：volume = max(0, 1 - dist/range)
  - 隔墙/遮挡 → 基于地图遮挡做低通滤波（可选）

心法：3D 语音是「沉浸感的开关」，但不是必选项。MVP 先做 SFU + 队伍房平面语音，3D 衰减放二期。

5. 语音转写与文字辅助

5.1 语音转文字（字幕）

玩家说话 → ASR → 字幕文本 → 广播到房间
  应用：聋哑友好、回放字幕、赛后复盘、关键词触发（危险提醒）

5.2 文字转语音（播报）

系统播报 → TTS → 音频注入房间
  应用：击杀播报、回合提示、机器人语音、无障碍读屏

边界：转写是「辅助通道」，不是「内容审核的替身」——语音内容审核（脏话/违规）走独立的审核链路（见扩展篇之九）。

6. 断线重连与会话恢复

6.1 切网重连

断连 → 客户端进入 Reconnecting（3~8s）
  ├── 重连成功 → 恢复 RTP 通道 + 房间成员状态
  └── 超时 → 掉线处理（保留房间位，允许 60s 内回场）

6.2 关键设计

铁律：语音掉线不能丢对局——RTC 通道与会话状态分离，媒体断了先保「身份在」，再逐步恢复媒体。

7. 质量监控与自适应降级

7.1 关键指标

7.2 自适应降级阶梯

理想（256kbps, 双声道） → 波动（128kbps, 单声道） → 弱网（64kbps, 降采样）
  → 极弱网（仅文字转写） → 断连（提示重连）

// 伪代码：根据实时质量选择档位
func (m *Monitor) PickProfile(mos float64) Profile {
    switch {
    case mos > 4.2: return Profile{ bitrate: 256_000, stereo: true }
    case mos > 3.6: return Profile{ bitrate: 128_000, stereo: false }
    case mos > 3.0: return Profile{ bitrate: 64_000,  mono: true }
    default:        return Profile{ textOnly: true }
    }
}

实践：语音质量「够用即止」——优先保证可对话，再谈音质。弱网降级到文字转写，好过「一顿一顿」。

8. 里程碑与验收

M1 队伍语音 MVP（1 周）
  ✅ SFU 队伍房、进局即通、静音/音量控制
M2 频道房 + 3D 衰减（1 周）
  ✅ 大厅频道、近距离音量衰减、观战解说
M3 转写 + 无障碍（1 周）
  ✅ 实时字幕、TTS 播报、赛后转写归档
M4 断线重连 + 质量监控（1 周）
  ✅ 切网秒回、自适应降级、指标看板

验收指标：进房成功率 > 99.5%；端到端延迟 P95 < 300ms；切网 8s 内恢复率 > 95%；弱网下仍可转写文字沟通。

9. 相关原型衔接

• 与#1 回声聊天室的文字聊天互补 → 升级为语音房
• 复用#2 石头剪刀布的权威连接 → 语音令牌绑定对局会话
• 与#47 多语言实时语音协作协同：协作玩法需要语音，本篇提供通道
• 与#30 平台大厅与游戏中心的频道房复用大厅常驻连接

扩展篇定位：语音是「协作的润滑剂」。它让陌生人迅速变成队友、让配合从「打字手忙脚乱」变成「喊一嗓子就位」。

延伸阅读

• 「在线联机原型全集」目录（60 个原型全景） — 原型全景索引
• 跨平台互通与云存档 — 会话凭证跨端续用（扩展篇之六）
• 反作弊与公平竞技 — 语音内容审核接口（扩展篇之七）
• 「在线联机原型全集」第一章：联机基础（#1–#10） — 连接与会话
• 游戏开发专题 — RTC 与网络延迟补偿

扩展篇全系列回顾：观战回放（被看见）→ 成就（被记住）→ AI 陪练（随时变强）→ 自定义房间（玩出花）→ 赛季段位（长期目标）→ 跨平台云存档（资产随行）→ 反作弊（生态底线）→ 语音通信（协作润滑）。八篇共同补齐「玩法之外」的完整体验层。

扩展篇全系列速查