​

语音唤醒与按键通话

​

模式

• 唤醒词模式（默认）：常驻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悬浮窗，并在静默后自动发送。
• 按键通话（按住右 Option 键）：按住右 Option 键立即开始捕获——无需触发词。按住时显示悬浮窗；松开后延迟片刻再最终转发，以便你可以调整文本。

​

运行时行为（唤醒词）

• 语音识别器位于 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。悬浮窗/提示音可以在命令开始前的停顿时就启动。
• 静默窗口：语音流畅时为 2.0 秒，如果只听到触发词则为 5.0 秒。
• 硬性停止：120 秒，防止会话失控。
• 会话间去抖动：350 毫秒。
• 悬浮窗通过 VoiceWakeOverlayController 驱动，带有已提交/临时状态的颜色区分。
• 发送后，识别器干净地重启以监听下一个触发词。

​

生命周期不变量

• 如果启用了语音唤醒且权限已授予，唤醒词识别器应该处于监听状态（除非正在进行显式的按键通话捕获）。
• 悬浮窗可见性（包括通过 X 按钮手动关闭）绝不能阻止识别器恢复。

​

悬浮窗卡住的故障模式（之前的问题）

之前，如果悬浮窗卡在可见状态且你手动关闭它，语音唤醒可能会显得”失效”，因为运行时的重启尝试可能被悬浮窗可见性阻止，且没有安排后续重启。 加固措施：

• 唤醒运行时重启不再被悬浮窗可见性阻止。
• 悬浮窗关闭完成时通过 VoiceSessionCoordinator 触发 VoiceWakeRuntime.refresh(...)，因此手动点击 X 关闭总是会恢复监听。

​

按键通话细节

• 热键检测使用全局 .flagsChanged 监视器检测右 Option 键（keyCode 61 + .option）。我们只观察事件（不拦截）。
• 捕获管道位于 VoicePushToTalk 中：立即启动语音识别，将部分结果流式传输到悬浮窗，并在松开时调用 VoiceWakeForwarder。
• 按键通话开始时，我们暂停唤醒词运行时以避免音频采集冲突；松开后自动重启。
• 权限：需要麦克风 + 语音识别权限；查看事件需要辅助功能/输入监控批准。
• 外接键盘：某些键盘可能无法按预期暴露右 Option 键——如果用户报告未响应，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 说话：启用按键通话监视器。在 macOS < 26 上禁用。
• 语言和麦克风选择器、实时电平指示器、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设备直到设备恢复。
• 声音：触发检测和发送时的提示音；默认为 macOS”Glass”系统声音。你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，转录文本被转发到活动的 Gateway 网关/智能体（与 Mac 应用其他部分使用相同的本地/远程模式）。
• 回复被投递到上次使用的主提供商（WhatsApp/Telegram/Discord/WebChat）。如果投递失败，错误会被记录，运行记录仍可通过 WebChat/会话日志查看。

​

转发负载

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

​

快速验证

• 开启按键通话，按住 Cmd+Fn，说话，松开：悬浮窗应显示部分结果然后发送。
• 按住时，菜单栏耳朵图标应保持放大状态（使用 triggerVoiceEars(ttl:nil)）；松开后恢复。