实时转写只有过程没有结果，completed 事件始终拿不到

在尝试用 OpenAI 的 Realtime API 做实时语音转写时，遇到一个很棘手的问题：中间过程的 delta 碎片能正常收到，但永远等不到那个标志转写完成的 conversation.item.input_audio_transcription.completed 事件。换句话说，只有流式输出，没有最终结果，业务逻辑没法往下走。

最让人困惑的是，想拿到 final event，通常得依赖服务器端的端点检测（VAD）来判断说话是否结束，但这个模型对 VAD 的支持程度非常有限。

具体复现过程和报错如下：

关闭端点检测能否获取最终转写结果？

首先，在配置 session 时，如果把 turn_detection 设为 null，也就是关闭端点检测，代码运行本身没有问题，但输出结果只有 conversation.item.input_audio_transcription.delta 这类碎片，始终不会出现 completed 事件。

我当时用的监听代码是这样的：

ws.on("message", (data) => {
 const event = JSON.parse(data);

 if (event.type === "conversation.item.input_audio_transcription.delta") {
   process.stdout.write(event.delta);
 }

 if (event.type === "conversation.item.input_audio_transcription.completed") {
   console.log("\nFinal transcript:", event.transcript);
 }
});

开启 server_vad 为什么会触发报错？

为了强行触发 final event，我按照官方 VAD 文档去开启 server_vad，配置参数如下：

{
 "type": "session.update",
 "session": {
 "type": "transcription",
 "audio": {
 "input": {
 "format": { "type": "audio/pcm", "rate": 24000 },
 "transcription": { "model": "gpt-live-transcribe" },
 "turn_detection": {
 "type": "server_vad",
 "threshold": 0.8,
 "prefix_padding_ms": 500,
 "silence_duration_ms": 700
 }
 }
 }
}

结果直接被服务器怼回来一个报错，提示这个模型根本不支持端点检测：

{
 "message": "Turn detection is not supported for this transcription model.",
 "type": "invalid_request_error",
 "code": "invalid_value",
 "param": "session.audio.input.turn_detection"
}

更麻烦的是，这个问题并不是 gpt-live-transcribe 独有的。换成 gpt-realtime-whisper 之后，同样的情况复现了。

开发者是否陷入了无法触发完成事件的死循环？

现在的局面很尴尬：关掉 turn_detection，没有 final event；开启 turn_detection，直接报 invalid_request_error。这导致开发者陷入一个死循环——没有 completed 事件，根本没法知道一段话什么时候结束，后续的业务逻辑也就无从处理。

我的判断是，目前这些转写模型在 Realtime API 里的 VAD 逻辑可能还没跑通，或者文档描述和实际 API 实现之间存在脱节。如果你也在用这两个模型，并且需要拿到最终的转写结果，建议暂时不要依赖 server_vad，可能得自己在客户端做简单的静音检测，然后手动触发某种机制。但这显然增加了开发成本，不应该是 API 应该有的样子。