Skip to content

语音悬浮层生命周期 (macOS)

受众:macOS 应用贡献者。目标:在唤醒词和按键通话重叠时保持语音悬浮层的可预测性。

当前意图

  • 如果悬浮层已经因唤醒词而可见,用户按下热键时,热键会话会_接管_现有文本而不是重置它。悬浮层在热键按住期间保持显示。当用户释放时:如果有修剪后的文本则发送,否则关闭。
  • 单独的唤醒词仍然在静音时自动发送;按键通话在释放时立即发送。

已实现 (2025年12月9日)

  • 悬浮层会话现在为每次捕获(唤醒词或按键通话)携带一个令牌。当令牌不匹配时,部分/最终/发送/关闭/电平更新会被丢弃,避免过时的回调。
  • 按键通话接管任何可见的悬浮层文本作为前缀(因此在唤醒悬浮层显示时按下热键会保留文本并追加新的语音)。它会等待最多1.5秒以获取最终转录,否则回退到当前文本。
  • 提示音/悬浮层日志以 info 级别在类别 voicewake.overlayvoicewake.pttvoicewake.chime 中发出(会话开始、部分、最终、发送、关闭、提示音原因)。

后续步骤

  1. VoiceSessionCoordinator (actor)
    • 同时只拥有一个 VoiceSession
    • API(基于令牌):beginWakeCapturebeginPushToTalkupdatePartialendCapturecancelapplyCooldown
    • 丢弃携带过时令牌的回调(防止旧识别器重新打开悬浮层)。
  2. VoiceSession (模型)
    • 字段:tokensource (wakeWord|pushToTalk)、已提交/易失文本、提示音标志、定时器(自动发送、空闲)、overlayMode (display|editing|sending)、冷却截止时间。
  3. 悬浮层绑定
    • VoiceSessionPublisher (ObservableObject) 将活动会话镜像到 SwiftUI。
    • VoiceWakeOverlayView 仅通过发布者渲染;它永远不会直接修改全局单例。
    • 悬浮层用户操作(sendNowdismissedit)使用会话令牌回调协调器。
  4. 统一发送路径
    • endCapture 时:如果修剪后的文本为空 → 关闭;否则 performSend(session:) (播放一次发送提示音、转发、关闭)。
    • 按键通话:无延迟;唤醒词:自动发送可选延迟。
    • 在按键通话完成后对唤醒运行时应用短暂冷却,使唤醒词不会立即重新触发。
  5. 日志记录
    • 协调器在子系统 bot.molt 的类别 voicewake.overlayvoicewake.chime 中发出 .info 日志。
    • 关键事件:session_startedadopted_by_push_to_talkpartialfinalizedsenddismisscancelcooldown

调试检查清单

  • 在重现粘性悬浮层时流式传输日志:

    bash
    sudo log stream --predicate 'subsystem == "bot.molt" AND category CONTAINS "voicewake"' --level info --style compact
  • 验证只有一个活动会话令牌;过时的回调应被协调器丢弃。

  • 确保按键通话释放始终使用活动令牌调用 endCapture;如果文本为空,期望 dismiss 且不发出提示音或发送。

迁移步骤 (建议)

  1. 添加 VoiceSessionCoordinatorVoiceSessionVoiceSessionPublisher
  2. 重构 VoiceWakeRuntime 以创建/更新/结束会话,而不是直接触碰 VoiceWakeOverlayController
  3. 重构 VoicePushToTalk 以接管现有会话并在释放时调用 endCapture;应用运行时冷却。
  4. VoiceWakeOverlayController 连接到发布者;删除来自运行时/PTT 的直接调用。
  5. 添加会话接管、冷却和空文本关闭的集成测试。