From f99e90f5245b149f2427355b09aaa304a815f3cd Mon Sep 17 00:00:00 2001
From: duffyduck <info@hacker-net.de>
Date: Sat, 11 Jul 2026 20:30:37 +0200
Subject: [PATCH] =?UTF-8?q?fix(voice):=20Doppel-Ausfuehrung=20=E2=80=94=20?=
 =?UTF-8?q?identischen=20STT-Endpoint-Text=20<5s=20deduppen?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

Im Auto cancelt der App-seitige No-Speech-Watchdog den conversing-Stream
vorzeitig (Whisper-Partials kommen bei Fahrgeraeusch verspaetet) und startet
passives Lauschen, waehrend die Bridge dieselbe Aeusserung parallel noch
finalisiert. Ergebnis: derselbe Befehl ("nächstes lied") wird zweimal
ausgefuehrt — aus zwei verschiedenen audioRequestIds, darum griff die
bestehende ID-Idempotenz nicht.

Text-Fenster-Dedup: identischer normalisierter Endpoint-Text innerhalb 5s
wird verworfen. Serverseitig, kein APK noetig.

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
---
 bridge/aria_bridge.py | 18 ++++++++++++++++++
 1 file changed, 18 insertions(+)

diff --git a/bridge/aria_bridge.py b/bridge/aria_bridge.py
index 4812c80..22f7cbd 100644
--- a/bridge/aria_bridge.py
+++ b/bridge/aria_bridge.py
@@ -3006,6 +3006,24 @@ class ARIABridge:
             if self._is_duplicate_client_msg(client_msg_id):
                 return
 
+            # Text-Fenster-Dedup: im Auto cancelt der App-No-Speech-Watchdog den
+            # Stream vorzeitig und startet passives Lauschen, waehrend die Bridge
+            # dieselbe Aeusserung parallel noch finalisiert → derselbe Befehl
+            # kaeme zweimal (aus ZWEI verschiedenen audioRequestIds, darum greift
+            # die ID-Idempotenz oben nicht). Identischen Endpoint-Text innerhalb
+            # 5s verwerfen. Genuines "nächstes, nächstes" liegt praktisch immer
+            # weiter auseinander (man hoert den Wechsel erst).
+            _norm_txt = " ".join(text.lower().split())
+            _now_t = asyncio.get_event_loop().time()
+            if (_norm_txt
+                    and _norm_txt == getattr(self, "_last_endpoint_norm", "")
+                    and (_now_t - getattr(self, "_last_endpoint_at", 0.0)) < 5.0):
+                logger.info("[rvs] stt_endpoint Dupe verworfen (gleicher Text <5s): %r",
+                            text[:60])
+                return
+            self._last_endpoint_norm = _norm_txt
+            self._last_endpoint_at = _now_t
+
             # App-Focus aus stt_stream_start-Registry auflösen (falls die
             # App-Version die projectId noch nicht mitschickt: leer = Hauptchat).
             stream_req_id = payload.get("requestId", "") or ""