[bug] 修复“最后两个字丢失”问题

[kanbykanby]

背景

当前语音输入在“说完最后一个字立即按快捷键停止”时，最后一两个字容易丢失。
实际体验上，这部分内容通常已经说出口，甚至已经进入音频链路，但因为 stop 时机过于激进、ASR/LLM 收尾路径过早截断，导致尾部文本没有进入
最终结果。

复现方法

当我们按下快捷键时可以开始输入，但说完话后立即按下快捷键会发现最后两个字被截断无法输入。

修复内容

本 PR 主要从三个层面修复录音结束时的尾字截断问题：

1. 修复音频采集 stop 时尾包丢失

在 AudioCaptureEngine.stop() 中，先同步排空 AVCapture 的 delegate 队列，再执行 flushRemaining()。

这样可以避免：

• 最后一小段音频还滞留在回调队列里
• 上层已经进入 stop 流程
• 尾音来不及进入 session 管线而被直接丢弃

2. 调整 stop 语义，给尾音和最终识别留出收敛窗口

在 RecognitionSession.stopRecording() 中：

• 增加 stop 后的短尾窗（350ms）
• 先停止采集并 drain 音频发送管线
• 再播放 stop 提示音

这样可以避免：

• 用户刚说完就按停时，尚未浮出为 callback 的尾音被截断
• stop 提示音在麦克风仍在采集时介入，污染尾部音频

3. 移除流式 ASR + LLM 模式下的“快速断开”快路径

此前在流式引擎 + LLM 模式下，如果已经拿到一版 early text，会直接跳过最终 ASR finalize 并断开连接。
这会导致 stop 后才补出来的最后几个字根本没有机会进入最终 transcript。

本 PR 改为：

• stop 后始终等待 ASR 正常 endAudio/finalize
• 等待事件流 drain
• 如果最终 transcript 与 early LLM 输入不一致，则丢弃旧的 early LLM 结果，改用最终完整文本重新处理

这样能保证正确性优先，不再因为快路径牺牲尾字完整性。

测试

新增回归测试，验证 stop 过程中：

• 尾包音频必须先送出
• endAudio() 不能早于最后一块音频发送完成
• stop 链路在有尾包时仍能正确完成收尾

已验证：

• swift test --filter RecognitionSessionTests

影响

预期修复以下场景：

• 快速说完后立即按停止键，最后一两个字被截断
• 流式识别 + LLM 后处理模式下，stop 后尾字更容易丢失
• stop 提示音对尾部识别造成干扰

说明

这次修改优先保证 stop 时的识别完整性，接受极小的收尾等待成本，以换取明显更稳定的尾字保留效果。

[joewongjc]

你用的啥模型？我之前修过这个，现在用火山的话基本话一说完直接按结束就行。

[kanbykanby]

我用的火山的，我一直会丢最后两三个字，体验比较差。

[kanbykanby]

可能因为我说完那一瞬间，我就按了停止键了。

[joewongjc]

怪了，明天查查，我就是说完马上按，很爽

[joewongjc]

你是流式识别和 LLM 处理都有这个问题吗？按现在的逻辑看，应该只有 LLM 处理会有问题，流式识别是会等一下完整请求返回的。

[kanbykanby]

我是用在语音识别之后，调用 LLM 那种润色模式。因为我喜欢 LLM 把我的那些嗯嗯啊啊去掉

[joewongjc]

那说得过去了，已经改掉了