Open WebUI、リアルタイム音声のノイズ残留問題を完了扱いに　正式な修正版は未確認

Open WebUIのリアルタイム音声機能で、会話状態の同期に関する問題が報告された。テキストメッセージが生成されなくても、背景ノイズが音声モデルのコンテキストに残る可能性があるという。ユーザーのClassic298が10月12日にIssueを起票し、14日に完了扱いにした。公開ページには対応する修正コミットが示されていないため、確認できるのはIssueのステータスが変更されたことまでであり、正式リリースで修正済みとは判断できない。Issue #32250

報告者によると、v0.12.0および当時の開発版では、マイクに息を吹きかけるなどのノイズが音声と判定される一方、文字起こし結果は空になることがあった。インターフェースにはメッセージが保存されず、回答も表示されないが、音声クリップはプロバイダー側の通話履歴に残り、後続のターンに影響し続けたという。再現手順は、リアルタイム通話中にノイズを何度か発生させた後、通常の質問をするというものだ。回答が混乱したというのは報告者の観察であり、ページには定量評価や独立した再現結果は掲載されていない。再現手順

この事例では、2つの会話記録の関係が問題となる。公式ドキュメントによると、Realtimeモードでは音声モデルが直接音声を聞いて応答し、実際の問い合わせはツール呼び出しを介して、チャットインターフェースで選択されたモデルに渡される。その回答がチャット履歴に書き込まれた後、音声モデルが読み上げる。つまり、画面に表示されるテキストと、音声モデルが受け取る内容は別々の処理経路に属する。この構成を踏まえると、チャット画面に空のメッセージが表示されないことだけを確認しても、通話コンテキストがクリーンであるとは十分に検証できない。公式の音声モードに関するドキュメント

音声エージェントを保守するエンジニアにとって、この報告は具体的な回帰テストの手がかりとなる。文字起こしできない短い音声を連続して送信し、その後の通常の質問に対する挙動と、プロバイダー側の会話項目に音声が残っていないかを確認するとよい。正常な短い発話もテストに含め、クリーンアップ処理が有効な入力を誤って削除しないことも確かめる必要がある。今後は修正コミット、テストの証拠、正式リリースへの取り込み状況を追う価値がある。現時点の情報だけでは、Realtimeに対応するすべてのプロバイダーで同じ問題が起きるとは推定できない。