frontend/src/hooks/useVisionSession.ts

@@ -158,6 +158,10 @@ export function useVisionSession() {
           return;
         }
 
+        // 停止上一轮的 TTS 播放，防止新旧音频重叠
+        ttsPlayerRef.current?.stop();
+        setIsAudioPlaying(false);
+
         const frame = captureFrame();
         if (!frame) {
           console.warn("[Session] 无法捕获图像帧");

frontend/src/lib/ttsPlayer.ts

@@ -47,6 +47,19 @@ export class TTSPlayer {
     this._isPlaying = false;
   }
 
+  /**
+   * 停止当前正在播放的音频（不清空 chunks）
+   * 用于 play() 开始前，防止新旧音频重叠
+   */
+  private stopCurrentAudio(): void {
+    if (this.audio) {
+      this.audio.pause();
+      this.audio.removeAttribute("src");
+      this.audio = null;
+    }
+    this._isPlaying = false;
+  }
+
   /** 暂停播放 */
   pause(): void {
     this.audio?.pause();
@@ -61,6 +74,9 @@ export class TTSPlayer {
   private play(mimeType: string): void {
     if (this.chunks.length === 0) return;
 
+    // 停止当前正在播放的音频，防止重叠
+    this.stopCurrentAudio();
+
     // 拼接所有 Base64 片段
     const combined = this.chunks.join("");
     this.chunks = [];