fix(audio): lower raw opus bitrate to 16 kbps

components/control_plane/src/multimodal/control_plane_multimodal_session_service.c

@@ -46,7 +46,7 @@
 #endif
 
 #ifndef CONFIG_MULTIMODAL_DOWNSTREAM_RATE_LIMIT
-#define CONFIG_MULTIMODAL_DOWNSTREAM_RATE_LIMIT 3000
+#define CONFIG_MULTIMODAL_DOWNSTREAM_RATE_LIMIT 2000
 #endif
 
 #ifndef CONFIG_MULTIMODAL_DOWNSTREAM_INCREMENTAL_RESPONSE
@@ -70,7 +70,7 @@
 #endif
 
 #ifndef CONFIG_MULTIMODAL_OPUS_BITRATE_KBPS
-#define CONFIG_MULTIMODAL_OPUS_BITRATE_KBPS 24
+#define CONFIG_MULTIMODAL_OPUS_BITRATE_KBPS 16
 #endif
 
 #define CONTROL_PLANE_MULTIMODAL_OPUS_CHANNELS 1

components/platform/src/multimodal/audio_pipeline.c

@@ -246,14 +246,14 @@
 
 #ifndef CONFIG_MULTIMODAL_OPUS_FRAME_DURATION_MS
 /*
- * 服务端协议要求 60ms raw-Opus 帧。24kbps、低复杂度和关闭 VBR/DTX/FEC 是当前
+ * 服务端协议要求 60ms raw-Opus 帧。16kbps、低复杂度和关闭 VBR/DTX/FEC 是当前
  * 实时性与 MCU 负载基线；改变任一项需同步验证服务端解码、包容量和网络带宽。
  */
 #define CONFIG_MULTIMODAL_OPUS_FRAME_DURATION_MS 60
 #endif
 
 #ifndef CONFIG_MULTIMODAL_OPUS_BITRATE_KBPS
-#define CONFIG_MULTIMODAL_OPUS_BITRATE_KBPS 24
+#define CONFIG_MULTIMODAL_OPUS_BITRATE_KBPS 16
 #endif
 
 #ifndef CONFIG_MULTIMODAL_OPUS_COMPLEXITY

docs/knowledge vault/voice-uplink-flow-zh.md

@@ -544,7 +544,7 @@ if (ret != ESP_CODEC_DEV_OK) {
 位深：16 bit
 通道：单声道
 Opus 帧长：60 ms
-Opus 码率：24 kbps
+Opus 码率：16 kbps
 ```
 
 每个 60ms 帧包含：
@@ -679,11 +679,11 @@ Opus 编码核心为：
 esp_opus_enc_process(ctx->opus_enc, &in_frame, &out_frame);
 ```
 
-输入为固定的 1920 字节 PCM，输出为压缩后的 Opus 包。按照 24kbps、60ms 计算，理论平均大小约为：
+输入为固定的 1920 字节 PCM，输出为压缩后的 Opus 包。按照 16kbps、60ms 计算，理论平均大小约为：
 
 ```text
-24000 bit/s × 0.060s = 1440 bit
-1440 / 8 = 180 字节
+16000 bit/s × 0.060s = 960 bit
+960 / 8 = 120 字节
 ```
 
 实际包大小仍可能受到编码参数和音频内容影响。

docs/knowledge vault/websocket-and-audio-flow.md

@@ -142,7 +142,7 @@ Token、JWT、Wi-Fi 密码等敏感信息不应写入文档、日志或提交到
 | `CONFIG_MULTIMODAL_AUDIO_CODEC_BITS_PER_SAMPLE` | 16 bit | PCM 位深 |
 | `CONFIG_MULTIMODAL_AUDIO_CHUNK_SIZE` | 1920 B | 60 ms 单声道 PCM 数据量 |
 | `CONFIG_MULTIMODAL_OPUS_FRAME_DURATION_MS` | 60 ms | 每个 Opus 帧的时长 |
-| `CONFIG_MULTIMODAL_OPUS_BITRATE_KBPS` | 24 kbit/s | Opus 目标码率 |
+| `CONFIG_MULTIMODAL_OPUS_BITRATE_KBPS` | 16 kbit/s | Opus 目标码率 |
 | `CONFIG_MULTIMODAL_OPUS_COMPLEXITY` | 0 | Opus 编码复杂度，优先降低 MCU 负载 |
 | `CONFIG_MULTIMODAL_AUDIO_IN_GAIN_DB` | 30 dB | ES8311 输入增益 |
 | `CONFIG_MULTIMODAL_AUDIO_MIC_CHANNEL` | 0 | 从 codec 数据中选取的麦克风通道 |
@@ -160,12 +160,12 @@ Token、JWT、Wi-Fi 密码等敏感信息不应写入文档、日志或提交到
 每帧采样点 = 16000 × 60 / 1000 = 960 samples
 每帧 PCM    = 960 × 16 / 8 × 1 = 1920 bytes
 PCM 裸码率  = 16000 × 16 × 1 = 256 kbit/s = 32 kB/s
-Opus 目标包大小约 = 24 kbit/s × 60 ms / 8 = 180 bytes/frame
+Opus 目标包大小约 = 16 kbit/s × 60 ms / 8 = 120 bytes/frame
 每秒 Opus 帧数约 = 1000 / 60 = 16.67 frame/s
 24 格上行队列对应约 = 24 × 60 ms = 1.44 s 音频
 ```
 
-180 B 是按目标码率计算的平均值，不代表每个实际 Opus 包都固定为 180 B。
+120 B 是按目标码率计算的平均值，不代表每个实际 Opus 包都固定为 120 B。
 
 ### 4.4 下行音频参数
 
@@ -174,8 +174,8 @@ Opus 目标包大小约 = 24 kbit/s × 60 ms / 8 = 180 bytes/frame
 | 下行协议格式 | `raw-opus` | 服务端通过 WebSocket 二进制帧发送 |
 | 下行采样率 | 16000 Hz | Start 中与 codec 采样率保持一致 |
 | 下行帧时长 | 60 ms | Start 的 `frame_size` |
-| 下行码率 | 24 kbit/s | Start 的 `bit_rate` |
-| `CONFIG_MULTIMODAL_DOWNSTREAM_RATE_LIMIT` | 3000 B/s | 请求服务端限制下发速率，约等于 24 kbit/s |
+| 下行码率 | 16 kbit/s | Start 的 `bit_rate` |
+| `CONFIG_MULTIMODAL_DOWNSTREAM_RATE_LIMIT` | 2000 B/s | 请求服务端限制下发速率，约等于 16 kbit/s |
 | `CONFIG_MULTIMODAL_AUDIO_DOWNSTREAM_PLAYBACK_MAX_PACKET_BYTES` | 2048 B | 单个播放队列音频包最大尺寸 |
 | `CONFIG_MULTIMODAL_AUDIO_DOWNSTREAM_PLAYBACK_QUEUE_LEN` | 1024 | 下行播放队列最大包数 |
 | `CONFIG_MULTIMODAL_AUDIO_DOWNSTREAM_PLAYBACK_TASK_STACK` | 12288 B | 解码/播放任务栈 |
@@ -384,11 +384,11 @@ esp_websocket_client_config_t cfg = {
         "audio_format": "raw-opus",
         "sample_rate": 16000,
         "frame_size": 60,
-        "bit_rate": 24,
+        "bit_rate": 16,
         "speech_rate": 110,
         "incremental_response": false,
         "intermediate_text": "transcript,dialog",
-        "transmit_rate_limit": 3000,
+        "transmit_rate_limit": 2000,
         "voice": "<optional-voice-id>"
       },
       "client_info": {

main/Kconfig.projbuild

@@ -1602,7 +1602,7 @@ menu "TQ Cat Configuration"
 
         config MULTIMODAL_OPUS_BITRATE_KBPS
             int "Opus bitrate (kbps)"
-            default 24
+            default 16
             range 6 510
             help
                 raw-opus bit_rate field in Start downstream/upstream codec target.
@@ -2052,7 +2052,7 @@ menu "TQ Cat Configuration"
 
         config MULTIMODAL_DOWNSTREAM_RATE_LIMIT
             int "Downstream transmit rate limit (bytes/s)"
-            default 3000
+            default 2000
             range 0 200000
             help
                 Optional downstream raw-opus transmit rate limit. The runtime

sdkconfig.defaults

@@ -213,7 +213,7 @@ CONFIG_MULTIMODAL_NO_RESPONSE_TIMEOUT_MS=60000
 CONFIG_MULTIMODAL_DIALOG_IDLE_TIMEOUT_MS=60000
 CONFIG_MULTIMODAL_AUDIO_CHUNK_SIZE=1920
 CONFIG_MULTIMODAL_OPUS_FRAME_DURATION_MS=60
-CONFIG_MULTIMODAL_OPUS_BITRATE_KBPS=24
+CONFIG_MULTIMODAL_OPUS_BITRATE_KBPS=16
 CONFIG_MULTIMODAL_OPUS_COMPLEXITY=0
 # CONFIG_MULTIMODAL_OPUS_ENABLE_VBR is not set
 # CONFIG_MULTIMODAL_OPUS_ENABLE_DTX is not set
@@ -249,7 +249,7 @@ CONFIG_MULTIMODAL_AUDIO_TASK_CORE=1
 CONFIG_MULTIMODAL_TTS_VOICE=""
 CONFIG_MULTIMODAL_TTS_SPEECH_RATE=110
 CONFIG_MULTIMODAL_DOWNSTREAM_INTERMEDIATE_TEXT="transcript,dialog"
-CONFIG_MULTIMODAL_DOWNSTREAM_RATE_LIMIT=3000
+CONFIG_MULTIMODAL_DOWNSTREAM_RATE_LIMIT=2000
 # CONFIG_MULTIMODAL_DOWNSTREAM_INCREMENTAL_RESPONSE is not set
 CONFIG_MULTIMODAL_WEBSOCKET_TASK_STACK_BYTES=32768
 CONFIG_MULTIMODAL_WEBSOCKET_TASK_PRIORITY=8