语音唤醒与按键通话

模式

• 唤醒词模式(默认):始终开启的语音识别器等待触发词(swabbleTriggerWords)。匹配时开始捕获,显示带有部分文本的浮层,并在静音后自动发送。
• 按键通话(按住右Option键):按住右Option键立即捕获——无需触发词。按住时显示浮层;释放后经过短暂延迟完成并转发,以便您调整文本。

运行时行为(唤醒词)

• 语音识别器存在于VoiceWakeRuntime中。
• 仅当唤醒词和下一个词之间有明显停顿(约0.55秒间隔)时才触发。浮层/提示音可以在停顿时启动,甚至在命令开始之前。
• 静音窗口:语音流动时为2.0秒,仅听到触发词时为5.0秒。
• 硬性停止:120秒以防止失控会话。
• 会话间防抖:350毫秒。
• 浮层通过VoiceWakeOverlayController驱动,带有已确认/临时状态的着色。
• 发送后,识别器干净重启以监听下一个触发词。

生命周期不变式

• 如果启用语音唤醒并授予权限,唤醒词识别器应处于监听状态(显式按键通话捕获期间除外)。
• 浮层可见性(包括通过X按钮手动关闭)绝不能阻止识别器恢复。

浮层卡死故障模式(之前)

之前,如果浮层卡在可见状态并且您手动关闭它,语音唤醒可能显得"失效",因为运行时的重启尝试可能被浮层可见性阻止,且没有安排后续重启。

加固:

• 唤醒运行时重启不再被浮层可见性阻止。
• 浮层关闭完成时通过VoiceSessionCoordinator触发VoiceWakeRuntime.refresh(...),因此手动点击X关闭始终会恢复监听。

按键通话细节

• 热键检测使用全局.flagsChanged监视器监控右Option键(keyCode 61 + .option)。我们只观察事件(不吞噬)。
• 捕获管道存在于VoicePushToTalk中:立即启动语音,将部分结果流式传输到浮层,并在释放时调用VoiceWakeForwarder。
• 按键通话开始时,我们暂停唤醒词运行时以避免音频捕获冲突;释放后自动重启。
• 权限:需要麦克风+语音识别;查看事件需要辅助功能/输入监控批准。
• 外接键盘:有些可能无法按预期暴露右Option键——如果用户报告遗漏,提供备用快捷键。

面向用户的设置

• 语音唤醒开关:启用唤醒词运行时。
• 按住Cmd+Fn通话:启用按键通话监视器。在macOS < 26上禁用。
• 语言和麦克风选择器、实时电平表、触发词表、测试器(仅本地;不转发)。
• 麦克风选择器在设备断开时保留上次选择,显示断开提示,并临时回退到系统默认值直到设备返回。
• 声音:触发检测和发送时的提示音;默认为macOS的"Glass"系统声音。您可以为每个事件选择任何NSSound可加载的文件(例如MP3/WAV/AIFF)或选择无声音。

转发行为

• 启用语音唤醒时,转录文本转发到活动网关/代理(与mac应用其余部分使用的本地与远程模式相同)。
• 回复发送到最后使用的主要提供者(WhatsApp/Telegram/Discord/WebChat)。如果发送失败,记录错误,运行仍可通过WebChat/会话日志查看。

转发有效载荷

• VoiceWakeForwarder.prefixedTranscript(_:)在发送前添加机器提示。唤醒词和按键通话路径共享。

快速验证

• 打开按键通话,按住Cmd+Fn,说话,释放:浮层应显示部分文本然后发送。
• 按住时,菜单栏耳朵图标应保持放大(使用triggerVoiceEars(ttl:nil));释放后缩小。