执行摘要

该PR修复了vLLM中自动语音识别（ASR）在多块音频转录时块间缺少空格的问题，通过引入语言特定分隔符逻辑，在流式和非流式路径中正确插入空格，显著提升Cohere和Qwen3 ASR模型的输出质量。新增测试确保修复覆盖各种场景。

功能与动机

当前ASR转录在处理多块音频时，连续块的文本输出间无空格分隔，导致文本粘连（如"Hello, thisis vllm"）。此问题影响Cohere ASR和Qwen3 ASR，而Whisper模型因总是预加空格未被发现。修复旨在确保输出文本格式正确，提升用户体验。

实现拆解

• 核心辅助函数：在speech_to_text.py中新增asr_inter_chunk_separator函数，根据语言代码返回空格或空字符串（默认日语和中文无空格）。
• 非流式路径：在_create_speech_to_text方法中计算分隔符，使用separator.join(text_parts)合并文本块。
• 流式路径：更新_speech_to_text_stream_generator、transcription_stream_generator和translation_stream_generator方法，传递分隔符参数，并确保仅在非第一个块前添加分隔符。
• 协议扩展：在SupportsTranscription协议中添加no_space_languages类变量，提供默认值，并在Cohere ASR模型中显式定义。
• 测试覆盖：新增测试文件test_transcription_inter_chunk_spacing.py，验证分隔符逻辑和流式/非流式行为。

评论区精华

review中，gemini-code-assist[bot]指出关键问题：

• "The translation_stream_generator method ... has not been updated to accept the new separator argument. This will cause a `TypeError"

• "Accessing self.model_cls.no_space_languages directly may raise an AttributeError ... Using getattr is safer"

• "In streaming mode, the separator is prepended to every chunk, including the first one. This results in an unwanted leading space"

作者ekagra-ranjan回应认为所有转录模型应继承SupportsTranscription协议，因此无需额外安全措施。最终PR被批准，提交历史显示流式前导空格问题已修复。

风险与影响

风险：

• 属性访问风险：如果模型未定义no_space_languages，直接访问可能引发AttributeError，尽管协议有默认值。
• 流式逻辑错误：需确保分隔符仅在非第一个块添加，否则导致前导空格，提交显示已修复。
• 协议兼容性：新增协议变量需现有模型适配，但默认值应覆盖常见情况。

影响：

• 用户：ASR输出质量提升，特别是英语等需要空格的语言。
• 系统：修改限于前端入口点，性能影响轻微。
• 团队：新增测试增强可靠性，协议变更需未来模型实现遵循。

关联脉络

与近期PR关联较弱，但PR 38538（Nemotron-Nano-VL音频处理）和PR 39409（多模态错误信息）同属前端和多模态领域，显示团队在完善ASR和相关功能。此PR聚焦于ASR转录的细节修复，是整体语音处理改进的一部分。