准备对AI流式音频发回给前端的机制做较大的修改，先提交1个版本

api/apps/sdk/dale_extra.py

@@ -152,10 +152,11 @@ def upload_file(tenant_id,mesum_id):
 
     prompt = (
         f"作为图片识别和理解助手，您的任务是："
-        f"\n1. 精确识别图片中的文字内容"
-        f"\n2. 理解文字语义"
-        f"\n3. 从以下候选标题中选择最佳匹配项："
-        f"\n   [{antiques_selected}]"
+        f"\n1. 图片基本上就是展品标题、历史人物或者历史事件"
+        f"\n2. 精确识别图片中的文字内容，理解文字语义，重点分析字体较大的文字"
+        f"\n3. 识别出的文字包含标题或者接近于标题的文字"
+        f"\n4. 从以下候选标题中选择最佳匹配项："
+        f"\n   {antiques_selected}"
         f"\n\n### 输出要求："
         f"\n- 以严格JSON格式输出，包含3个字段："
         f"\n  • `antique`: 匹配的标题（多个用英文分号';'分割，最多匹配3个，无匹配则空字符串）"

api/db/services/dialog_service.py

@@ -71,7 +71,9 @@ class StreamSessionManager:
                 'finished': threading.Event(),  # 添加事件对象
                 'sample_rate':sample_rate,
                 'stream_format':stream_format,
-                "tts_chunk_data_valid":False
+                "tts_chunk_data_valid":False,
+                "sentence_complete_event": threading.Event(),
+                "current_processing": False  # 标记是否正在处理句子
             }
             # 启动任务处理线程
             threading.Thread(target=self._process_tasks, args=(session_id,), daemon=True).start()
@@ -127,7 +129,7 @@ class StreamSessionManager:
             except Exception as e:
                 logging.error(f"Task processing error: {str(e)}")
 
-    def _generate_audio(self, session_id, text):
+    def _generate_audio1(self, session_id, text):
         """实际生成音频（线程池执行）"""
         session = self.sessions.get(session_id)
         if not session: return
@@ -157,6 +159,27 @@ class StreamSessionManager:
             session['buffer'].put(f"ERROR:{str(e)}")
             logging.info(f"--_generate_audio--error {str(e)}")
 
+    def _generate_audio(self, session_id, text):
+        """实际生成音频（顺序执行）- 用于非流式引擎"""
+        session = self.sessions.get(session_id)
+        if not session:
+            return
+
+        try:
+            # 调用 TTS
+            session['tts_model'].text_tts_call(text)
+
+            # 标记完成
+            session['sentence_complete_event'].set()
+            session['last_active'] = time.time()
+            session['audio_chunk_count'] += 1
+
+            if not session['tts_chunk_data_valid']:
+                session['tts_chunk_data_valid'] = True
+
+        except Exception as e:
+            session['buffer'].put(f"ERROR:{str(e)}".encode())
+            session['sentence_complete_event'].set()  # 确保事件被设置
 
     def close_session(self, session_id):
         with self.lock: