[jinpeng2700-tech]

问题与修复

在 API 试用页使用 gemini-omni-1.1-flash 图生视频时，CreateInteractionStream 实际可能返回视频 delta [null,"<BASE64 MP4>"]。v0.2.18 的解码器要求 MIME 字段为整数，导致已返回的视频在 $delta[1][4][0] 被拒绝，请求最终以 502「期望整数」失败。

本次修改只对视频 delta 的空 MIME 枚举增加兼容：Base64 解码后通过 http.DetectContentType 确认为 video/mp4，再输出媒体事件。保留原数值枚举路径；未知非空枚举、无效 Base64、无法识别为 MP4 的数据仍返回协议错误，图片处理不变。同时补充协议文档和回归测试。

复现证据

• 官方 v0.2.18，SpiderMonkey WAA 后端。
• 输入为本地生成的 640×360 红球示意图，未使用用户图片或账号数据作为测试夹具。
• 请求接口：POST /v1beta/models/gemini-omni-1.1-flash:streamGenerateContent?alt=sse。
• 配置：responseModalities=["VIDEO"]、responseFormat.video={"aspectRatio":"16:9","duration":"4s","resolution":"360p"}、videoConfig.task="image_to_video"。
• 隔离诊断确认视频字段长度为 2，首字段为 null，第二字段为 Base64 视频。诊断代码未包含在本 PR 中。

验证

• TestDecodeInteractionMedia：10 个案例通过，覆盖缺失枚举、原数值视频/图片格式及异常数据。
• TestDecodeInteractionStreamVideoWithoutMIME：完整事件流成功输出视频与结束事件，视频字节保持不变。
• 测试命令：go test -p 4 -mod=readonly -tags netgo,osusergo -ldflags="-linkmode external -extldflags '-static'" ./internal/aistudio -run 'TestDecodeInteraction' -v（Go 1.27.3、Zig musl 工具链、官方 SpiderMonkey 静态库）。
• 修补版在 Linux VPS 上完成两次真实图生视频：隔离实例约 14.6 秒；生产 HTTPS 接口约 17.3 秒，均无流内错误，正常结束。
• 两个结果均经 ffprobe/ffmpeg 检查：640×360、约 4.032 秒、H.264/AAC，完整解码成功。
• 完整 internal/aistudio 测试集尝试在本地 WSL 静态链接环境运行时，于既有 runtime_lease_test.go:21 的 t.Setenv 路径发生 SIGSEGV，因此不将全量测试标记为通过。

PR 不包含凭据、用户媒体、部署配置或编译产物。