audio streaming header に対応する

CHANGES.md

@@ -11,6 +11,12 @@
 
 ## develop
 
+- [ADD] audio streaming header に対応する
+  - @Hexa
+- [ADD] クライアントから送られてくるデータにヘッダーが付与されている場合に対応する audio_streaming_header 設定を追加する
+  - デフォルト値: false
+  - @Hexa
+
 ### misc
 
 ## 2024.3.0

config.go

@@ -41,6 +41,8 @@ type Config struct {
 	ListenAddr string `ini:"listen_addr"`
 	ListenPort int    `ini:"listen_port"`
 
+	AudioStreamingHeader bool `ini:"audio_streaming_header"`
+
 	TLSFullchainFile    string `ini:"tls_fullchain_file"`
 	TLSPrivkeyFile      string `ini:"tls_privkey_file"`
 	TLSVerifyCacertPath string `ini:"tls_verify_cacert_path"` // クライアント認証用

config_example.ini

@@ -11,6 +11,9 @@ exporter_https = false
 exporter_listen_addr = 0.0.0.0
 exporter_listen_port = 48081
 
+# クライアントから受信する音声データにヘッダーが含まれている想定かどうかです
+audio_streaming_header = false
+
 # Suzu のサーバ証明書ファイルです
 # tls_fullchain_file =
 # Suzu の秘密鍵ファイルです

handler.go

@@ -2,6 +2,7 @@ package suzu
 
 import (
 	"context"
+	"encoding/binary"
 	"errors"
 	"fmt"
 	"io"
@@ -230,6 +231,107 @@ func (s *Server) createSpeechHandler(serviceType string, onResultFunc func(conte
 	}
 }
 
+func readPacketWithHeader(reader io.Reader) (io.Reader, error) {
+	r, w := io.Pipe()
+
+	go func() {
+		length := 0
+		payloadLength := 0
+		var payload []byte
+
+		for {
+			buf := make([]byte, 20+0xffff)
+			n, err := reader.Read(buf)
+			if err != nil {
+				w.CloseWithError(err)
+				return
+			}
+
+			payload = append(payload, buf[:n]...)
+			length += n
+
+			if length > 20 {
+				// timestamp(64), sequence number(64), length(32)
+				h := payload[0:20]
+				p := payload[20:length]
+
+				payloadLength = int(binary.BigEndian.Uint32(h[16:20]))
+
+				if length == (20 + payloadLength) {
+					if _, err := w.Write(p); err != nil {
+						w.CloseWithError(err)
+						return
+					}
+					payload = []byte{}
+					length = 0
+					continue
+				}
+
+				// payload が足りないのでさらに読み込む
+				if length < (20 + payloadLength) {
+					// 前の payload へ追加して次へ
+					payload = append(payload, p...)
+					continue
+				}
+
+				// 次の frame が含まれている場合
+				if length > (20 + payloadLength) {
+					if _, err := w.Write(p[:payloadLength]); err != nil {
+						w.CloseWithError(err)
+						return
+					}
+					// 次の payload 処理へ
+					payload = p[payloadLength:]
+					length = len(payload)
+
+					// 次の payload がすでにある場合の処理
+					for {
+						if length > 20 {
+							h = payload[0:20]
+							p = payload[20:length]
+
+							payloadLength = int(binary.BigEndian.Uint32(h[16:20]))
+
+							// すでに次の payload が全てある場合
+							if length == (20 + payloadLength) {
+								if _, err := w.Write(p); err != nil {
+									w.CloseWithError(err)
+									return
+								}
+								payload = []byte{}
+								length = 0
+								continue
+							}
+
+							if length > (20 + payloadLength) {
+								if _, err := w.Write(p[:payloadLength]); err != nil {
+									w.CloseWithError(err)
+									return
+								}
+
+								// 次の payload 処理へ
+								payload = p[payloadLength:]
+								length = len(payload)
+								continue
+							}
+						} else {
+							// payload が足りないので、次の読み込みへ
+							break
+						}
+					}
+
+					continue
+				}
+			} else {
+				// ヘッダー分に足りなければ次の読み込みへ
+				continue
+			}
+		}
+	}()
+
+	return r, nil
+}
+
 func opus2ogg(ctx context.Context, opusReader io.Reader, oggWriter io.Writer, sampleRate uint32, channelCount uint16, c Config) error {
 	o, err := NewWith(oggWriter, sampleRate, channelCount)
 	if err != nil {
@@ -247,15 +349,26 @@ func opus2ogg(ctx context.Context, opusReader io.Reader, oggWriter io.Writer, sa
 		return err
 	}
 
+	var r io.Reader
+	if c.AudioStreamingHeader {
+		r, err = readPacketWithHeader(opusReader)
+		if err != nil {
+			return err
+		}
+	} else {
+		r = opusReader
+	}
+
 	for {
 		buf := make([]byte, FrameSize)
-		n, err := opusReader.Read(buf)
+		n, err := r.Read(buf)
 		if err != nil {
 			if w, ok := oggWriter.(*io.PipeWriter); ok {
 				w.CloseWithError(err)
 			}
 			return err
 		}
+
 		if n > 0 {
 			opus := codecs.OpusPacket{}
 			_, err := opus.Unmarshal(buf[:n])