AI 实时语音界面需要关注哪些前端状态？
从麦克风权限、音频采集、连接状态、打断和播放队列设计实时语音 AI 交互，区分浏览器能力与服务端模型能力。
参考答案
实时语音界面至少要区分权限请求、设备选择、采集中、上传或发送中、模型生成中、播放中、用户打断和连接失败。一个 loading 状态无法表达用户是否还能说话、是否正在播放以及停止按钮会停止哪一层任务。
浏览器的麦克风采集、WebRTC 连接和音频播放分别有权限、用户激活、网络和设备边界。服务端模型的转写、推理和语音合成也可能有不同延迟，前端要处理乱序、部分结果、重复事件和断线恢复。
打断要有明确协议：停止本地播放不一定取消服务端生成，关闭连接也不一定撤销已经产生的结果。音频数据属于敏感信息，应说明采集范围、传输目的、保存时间和删除方式，并提供键盘与文字替代路径。