当音频时长超过限制时，用户收到 "Invalid or unsupported audio file" 的错误信息，无法得知真正的限制原因和解决方法。PR body 明确指出：让 load_audio 抛出的描述性 ValueError 直接传播，并更新错误信息以提及 VLLM_MAX_AUDIO_DECODE_DURATION_S 环境变量。
可合并，属于小改进，值得精读以了解错误传播的最佳实践。
没有 review 评论，只有 approver 的批准和 mergify 的冲突提示。
vllm/multimodal/media/audio.py 中的错误信息：在 load_audio_pyav 和 load_audio_soundfile 中，将过时限制的 ValueError 信息从 "This limit prevents decompression-bomb attacks." 改为 "Set VLLM_MAX_AUDIO_DECODE_DURATION_S to increase this limit."，让用户知道可以调整环境变量。vllm/entrypoints/speech_to_text/base/serving.py 中的异常处理：在 _decode_and_chunk_speech 方法中，在 try 块之后增加一个 except ValueError: raise 子句，确保来自 load_audio 的描述性 ValueError 能直接传播到上层，而不是被后续的通用 except Exception 捕获并转换为模糊的 "Invalid or unsupported audio file"。| 文件 | 模块 | 状态 | 重要度 |
|---|---|---|---|
vllm/multimodal/media/audio.py |
多模态 | modified | 5.51 |
vllm/entrypoints/speech_to_text/base/serving.py |
前端入口 | modified | 5.1 |
vllm/multimodal/media/audio.py
core-logic
核心文件：修改了 `load_audio_pyav` 和 `load_audio_soundfile` 中的错误信息，指引用户通过设置环境变量来解决时长限制问题。
# vllm/multimodal/media/audio.py
# 在 load_audio_pyav 和 load_audio_soundfile 中，
# 将原本的泛泛提示 "This limit prevents decompression-bomb attacks."
# 替换为具体的环境变量指引 "Set VLLM_MAX_AUDIO_DECODE_DURATION_S to increase this limit."
# 让用户明确知道如何调整限制。
def load_audio_pyav(...):
# ... 省略上下文
if metadata_duration_s is not None and metadata_duration_s > max_duration_s:
raise ValueError(
f"Audio exceeds maximum allowed duration of "
f"{max_duration_s}s (metadata reports "
f"{metadata_duration_s:.1f}s). Set "
f"VLLM_MAX_AUDIO_DECODE_DURATION_S to "
f"increase this limit." # <-- 原先是 "This limit prevents decompression-bomb attacks."
)
# ... 省略后续
if max_samples is not None and total_samples > max_samples:
raise ValueError(
f"Audio exceeds maximum allowed duration of "
f"{max_duration_s}s (decoded {total_samples} "
f"samples at {sr}Hz). Set "
f"VLLM_MAX_AUDIO_DECODE_DURATION_S to "
f"increase this limit." # <-- 同样修改
)
def load_audio_soundfile(...):
# ... 省略上下文
if file_duration_s > max_duration_s:
raise ValueError(
f"Audio exceeds maximum allowed duration of "
f"{max_duration_s}s (file contains "
f"{file_duration_s:.1f}s at {native_sr}Hz). Set "
f"VLLM_MAX_AUDIO_DECODE_DURATION_S to "
f"increase this limit." # <-- 同样修改
)
vllm/entrypoints/speech_to_text/base/serving.py
core-logic
关键入口：修改了 `_decode_and_chunk_speech` 方法的异常处理，确保 `load_audio` 抛出的 `ValueError` 不被通用异常捕获，从而保留详细的错误信息。
# vllm/entrypoints/speech_to_text/base/serving.py
# 在 _decode_and_chunk_speech 方法中，
# 添加了 except ValueError: raise 子句，
# 使得 load_audio 抛出的描述性 ValueError 能直接传播到上层，
# 而不是被通用的 except Exception 捕获并替换为模糊的错误信息。
def _decode_and_chunk_speech(self, audio_data: bytes):
try:
with io.BytesIO(audio_data) as buf:
y, sr = load_audio(
buf,
sr=self.asr_config.sample_rate,
max_duration_s=self.max_audio_decode_duration_s,
)
except ValueError: # <-- 新增：让 load_audio 的 ValueError 直接传播
raise
except Exception as exc:
raise ValueError("Invalid or unsupported audio file.") from exc
# 后续处理不变 ...
当前评论区没有形成足够清晰的争议点或结论，后续有更多讨论时会体现在这里。
低风险。改动范围小（仅两个文件，共 11 行新增、6 行删除），主要是错误消息和异常处理链的调整。不会引入功能性回归。但需注意：若 load_audio 抛出非 ValueError 的其他异常（如 OSError），仍然会被捕获为 "Invalid or unsupported audio file"，这部分逻辑未变。
对用户：当音频时长超过限制时，用户将看到明确指导如何增加限制的错误消息，而不是模糊的错误提示。对系统：无性能影响，异常处理逻辑更清晰。对团队：无显著影响。
当前没有检测到明确关联的 Issue 链接，后续同步到相关引用后会出现在这里。
参与讨论