GPT-Live: session.input.set_audio_enabled(False) also stops the agent's speech
メンテナーはふだん 1 日以内に返信
評価
- 難易度
- 4/5
- 見積もり時間
- 3〜5日
- 初心者へのやさしさ
- 22/100
- issue の種類
- バグ
- 明瞭さ
- おおむね明確
- 活発さ
- 活発
- 技術スタック
- python
調査の方向性
The disabling path is in livekit-agents/livekit/agents/voice/room_io/_input.py around lines 180-184, where RoomIO drops input frames while detached. Trace how GPT-Live output pacing depends on incoming input audio, then compare with the mute_input() path, which keeps output running. Done means agent speech continues after set_audio_enabled(False), or the behaviour is documented, with a test covering the thinking-state case.
索引モデルが issue の本文から書いたものです。
説明
Bug Description
While session.input.set_audio_enabled(False) is in effect, RoomIO drops input frames, which is expected. With GPT-Live, though, output is paced by the input audio, so the agent's speech also stops about 3.7–3.9 s later and only resumes once input is re-enabled. A common pattern, disabling input while the agent is thinking and re-enabling it when it leaves thinking, can then hang: after the tool finishes the agent can't speak its answer, and the state stays thinking.
Relevant code: RoomIO drops frames while detached
Expected Behavior
For duplex models, disabling input shouldn't stop output, e.g. keep sending silence while disabled, or use mute_input() instead. At least a warning or a note in the docs.
Reproduction Steps
1. Start an AgentSession with GPTLiveModel and ask a question.
2. Halfway through the answer, call session.input.set_audio_enabled(False).
3. Measure the agent's audio over the next 12 s.
Voice tests (audio input drops frames while disabled, as RoomIO does):
| Agent audio in the next 12 s | When speech stops | |
|---|---|---|
| input left enabled | 9.2–10.2 s | keeps speaking |
set_audio_enabled(False) |
2.7–3.5 s | 3.7–3.9 s after disabling (3/3) |
mute_input() instead |
9.3–10.0 s | keeps speaking |
With input disabled during thinking and an 8 s tool, the agent stayed in thinking without answering in 1 of 2 runs with set_audio_enabled, and answered in 2 of 2 with mute_input().
Operating System
Windows 11
Models Used
GPT-Live (gpt-live-1) with a Responses backend (gpt-6-luna)
Package Versions
livekit==1.1.18
livekit-agents==1.8.3
livekit-plugins-openai==1.8.3
python==3.13
Additional Context
#7239 addressed the same root cause when there is no microphone (text mode) and was closed. This is the case with a real microphone where the app disables input.
- 主要言語
- Python
- スター
- 14.6k
- フォーク
- 3.9k
- 平均マージ
- 2日 17時間
- マージ済み PR（30日）
- 207
環境構築
このプロジェクトには開発コンテナ、Dockerfile、コントリビューションガイドがありません。まず README を読み、一般的な手順ははじめてのコントリビューションガイドを参照してください。
はじめの一歩
- issue を最後まで読み、次にプロジェクトのコントリビューションガイドを読みます。
- 着手することを issue にコメントします — 二人が同じ作業をするのを防げます。
- リポジトリをフォークし、ブランチを切って変更します。
- issue 番号を参照したプルリクエストを送ります。
livekit/agents のほかの issue
-
Assistant markup is stripped from chat history when expressive mode is off対応中かも @ShivamSharma43 が 19 日前に担当しました。 オープン
難易度 2/5 1〜3時間 初心者へのやさしさ 72/100
livekit/agents#7647 · コメント 1 件 ·
メンテナーはふだん 1 日以内に返信
-
docs: openai.LLM vs openai.responses.LLM for HTTP OpenAI-compat hosts再び着手できるかも @AbarnaaSree が 59 日前に担当しましたが、オープン中のプルリクエストはありません。 オープン
難易度 2/5 1〜3時間 初心者へのやさしさ 72/100
livekit/agents#7022 · コメント 1 件 ·
メンテナーはふだん 1 日以内に返信
-
enhancement
難易度 5/5 1週間以上 初心者へのやさしさ 30/100
メンテナーはふだん 1 日以内に返信
-
enhancement
難易度 4/5 3〜5日 初心者へのやさしさ 48/100
メンテナーはふだん 1 日以内に返信
-
難易度 5/5 1週間以上 初心者へのやさしさ 35/100
メンテナーはふだん 1 日以内に返信
似ている issue
-
component:benchmark
難易度 2/5 1〜3時間 初心者へのやさしさ 76/100
agentic-os-org/ANOLISA#9177 ·
メンテナーはふだん 1 日以内に返信
-
難易度 1/5 1時間未満 初心者へのやさしさ 88/100
distrochooser/distrochooser#520 ·
メンテナーはふだん 2 日以内に返信
-
Status: Needs confirmation Status: Needs triage
難易度 2/5 1〜3時間 初心者へのやさしさ 64/100
メンテナーはふだん 1 日以内に返信
-
[BUG] Published Docker images lack the redis extra: HEADROOM_COMPRESS_SESSION_STORE stops startup対応中かも @AlessandroSpallina が今日担当しました。 オープン
難易度 2/5 1〜3時間 初心者へのやさしさ 76/100
headroomlabs-ai/headroom#4513 ·
メンテナーはふだん 1 日以内に返信
-
難易度 1/5 1時間未満 初心者へのやさしさ 65/100
codespell-project/codespell#4060 ·
メンテナーはふだん 1 日以内に返信