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.overlay、voicewake.ptt和voicewake.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
- VoiceSessionCoordinator (actor)
- 同时只拥有一个
VoiceSession。 - API(基于令牌):
beginWakeCapture、beginPushToTalk、updatePartial、endCapture、cancel、applyCooldown。 - 丢弃携带过时令牌的回调(防止旧识别器重新打开悬浮层)。
- 同时只拥有一个
- VoiceSession (模型)
- 字段:
token、source(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。
- 字段:
- 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(
sendNow、dismiss、edit)使用会话令牌回调协调器。
- 统一发送路径
- 在
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。
- 在
- 日志记录
- 协调器在子系统
bot.molt的类别voicewake.overlay和voicewake.chime中发出.info日志。 - 关键事件:
session_started、adopted_by_push_to_talk、partial、finalized、send、dismiss、cancel、cooldown。
- 协调器在子系统
调试检查清单
在重现粘性悬浮层时流式传输日志:
bashsudo log stream --predicate 'subsystem == "bot.molt" AND category CONTAINS "voicewake"' --level info --style compact1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)
- 添加
VoiceSessionCoordinator、VoiceSession和VoiceSessionPublisher。 - 重构
VoiceWakeRuntime以创建/更新/结束会话,而不是直接触碰VoiceWakeOverlayController。 - 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。 - 将
VoiceWakeOverlayController连接到发布者;删除来自运行时/PTT 的直接调用。 - 添加会话接管、冷却和空文本关闭的集成测试。