Stemmeaktivering & Tryk-for-at-tale¶

Tilstande¶

• Wake-word tilstand (standard): altid-on Speech recognizer venter på trigger tokens (swabbleTriggerWords). På match starter det optagelse, viser overlejringen med delvis tekst, og auto-sender efter tavshed.
• Push-to-talk (Right Option hold): hold den rigtige Option-nøgle nede for at fange med det samme – ingen udløser nødvendig. Overlayet vises mens holdt; udgivelse af færdiggør og fremad efter en kort forsinkelse, så du kan justere teksten.

Runtime-adfærd (wake-word)¶

• Talegenkenderen kører i VoiceWakeRuntime.
• Udløser kun brand, når der er en meningsfuld pause mellem det vågne ord og det næste ord (~ 0,55s mellemrum). Overlægget/kimen kan starte på pausen, selv før kommandoen begynder.
• Stilhedsvinduer: 2,0 s når tale flyder, 5,0 s hvis kun triggeren blev hørt.
• Hård stop: 120 s for at forhindre løbske sessioner.
• Debounce mellem sessioner: 350 ms.
• Overlay styres via VoiceWakeOverlayController med committed/volatile-farver.
• Efter afsendelse genstarter genkenderen rent for at lytte efter næste trigger.

Livscyklus-invarianter¶

• Hvis Voice Wake er aktiveret, og tilladelser er givet, skal wake-word-genkenderen lytte (undtagen under en eksplicit push-to-talk-optagelse).
• Overlay-synlighed (inkl. manuel lukning via X-knappen) må aldrig forhindre, at genkenderen genoptager.

Sticky overlay-fejltilstand (tidligere)¶

Tidligere kunne Voice Wake fremstå “død”, hvis overlayet satte sig fast synligt, og du manuelt lukkede det, fordi runtime’ens genstartsforsøg kunne blive blokeret af overlay-synlighed, og ingen efterfølgende genstart blev planlagt.

Hærdning:

• Genstart af wake-runtime blokeres ikke længere af overlay-synlighed.
• Færdiggørelse af overlay-lukning udløser en VoiceWakeRuntime.refresh(...) via VoiceSessionCoordinator, så manuel X-lukning altid genoptager lytning.

Push-to-talk-specifikke detaljer¶

• Hotkey detektion bruger en global .flagsChanged skærm for right Option (keyCode 61 + .option). Vi observerer kun begivenheder (ingen synke).
• Optagelsespipelinen kører i VoicePushToTalk: starter Speech med det samme, streamer delvise resultater til overlayet og kalder VoiceWakeForwarder ved slip.
• Når push-to-talk starter, pauser vi wake-word-runtime for at undgå konkurrerende audio taps; den genstarter automatisk efter slip.
• Tilladelser: kræver Mikrofon + Tale; visning af hændelser kræver Accessibility/Input Monitoring-godkendelse.
• Eksterne tastaturer: nogle eksponerer muligvis ikke højre Option som forventet—tilbyd en fallback-genvej, hvis brugere rapporterer missede input.

Brugerrettede indstillinger¶

• Voice Wake-toggle: aktiverer wake-word-runtime.
• Hold Cmd+Fn nede for at tale: muliggør push-to-talk skærmen. Deaktiveret på macOS < 26.
• Sprog- og mikrofonvælgere, live-niveaumåler, trigger-ordtabel, tester (kun lokal; videresender ikke).
• Mikrofonvælgeren bevarer det seneste valg, hvis en enhed frakobles, viser et frakoblet-hint og falder midlertidigt tilbage til systemets standard, indtil den vender tilbage.
• **Lyde **: chimes on trigger detect and on send; defaults to the macOS “Glass” system lyd. Du kan vælge en NSSound-belastbar fil (f.eks. MP3/WAV/AIFF) for hver begivenhed eller vælge **Ingen Lyd **.

Videresendelsesadfærd¶

• Når Voice Wake er aktiveret, videresendes transskriptioner til den aktive gateway/agent (samme lokale vs. remote-tilstand som resten af mac-appen).
• Svar leveres til den sidst brugte hovedudbyder (WhatsApp/Telegram/Discord/WebChat). Hvis leveringen mislykkes, er fejlen logget og kørslen stadig synlig via WebChat / session logs.

Videresendelses-payload¶

• VoiceWakeForwarder.prefixedTranscript(_:) forbereder maskinen vink før du sender. Delt mellem wake-word og push-to-talk stier.

Hurtig verifikation¶

• Slå push-to-talk til, hold Cmd+Fn, tal, slip: overlayet bør vise delvise resultater og derefter sende.
• Mens du holder, skal menulinje-ører forblive forstørrede (bruger triggerVoiceEars(ttl:nil)); de falder tilbage efter slip.