直播录制接入语音识别时，录制持续时间不确定，直接等待完整文件会让字幕产出过晚；边录边识别又带来切片、乱序和重复问题。
用会话与切片建模
录制会话拥有稳定标识，每个切片携带序号、时间范围和校验值。ASR 任务按切片幂等处理，结果也保留对应时间范围。
解耦录制与识别
录制服务只负责可靠地产生切片事件，不同步等待识别。识别服务可以按资源弹性消费，失败切片独立重试。
处理乱序
聚合器根据序号和时间戳排序结果，允许在窗口内等待缺失片段。会话结束事件触发最终封口，超时缺片明确标注，而不是无限等待。
版本与修订
实时字幕可以先输出临时版本，完整录制结束后使用更大上下文生成修订版。消费者需要知道当前结果是临时还是最终。
长时任务的关键不是保持一条超长调用，而是把过程拆成可重试、可排序和可封口的事件。