Pag-activate gamit ang Boses at Push-to-Talk¶

Mga Mode¶

• 31. Wake-word mode (default): palaging naka-on na Speech recognizer ang naghihintay ng mga trigger token (swabbleTriggerWords). 32. Sa pagtugma, nagsisimula ito ng capture, ipinapakita ang overlay na may partial text, at awtomatikong nagse-send matapos ang katahimikan.
• 33. Push-to-talk (Right Option hold): hawakan ang kanang Option key para agad na mag-capture—walang trigger na kailangan. 34. Lumalabas ang overlay habang nakahawak; ang pagbitaw ay nagfi-finalize at nagpapasa matapos ang maikling delay upang makapag-tweak ka ng text.

Pag-uugali sa Runtime (wake-word)¶

• Ang Speech recognizer ay nasa VoiceWakeRuntime.
• 35. Nagfi-fire lang ang trigger kapag may makabuluhang pause sa pagitan ng wake word at ng susunod na salita (~0.55s na gap). 36. Maaaring magsimula ang overlay/chime sa pause kahit bago pa magsimula ang command.
• Mga window ng katahimikan: 2.0s kapag tuloy-tuloy ang pagsasalita, 5.0s kung trigger lang ang narinig.
• Hard stop: 120s para maiwasan ang runaway na mga session.
• Debounce sa pagitan ng mga session: 350ms.
• Ang overlay ay pinapagana sa pamamagitan ng VoiceWakeOverlayController na may committed/volatile na coloring.
• Pagkatapos mag-send, malinis na nagre-restart ang recognizer para makinig sa susunod na trigger.

Mga invariant ng lifecycle¶

• Kung naka-enable ang Voice Wake at may pahintulot, dapat nakikinig ang wake-word recognizer (maliban kapag may tahasang push-to-talk capture).
• Ang visibility ng overlay (kasama ang manual na pagsara gamit ang X button) ay hindi kailanman dapat pumigil sa recognizer na mag-resume.

Sticky overlay failure mode (dati)¶

Dati, kung na-stuck na visible ang overlay at manu-mano mo itong isinara, maaaring magmukhang “patay” ang Voice Wake dahil ang pagtatangkang mag-restart ng runtime ay maaaring maharang ng visibility ng overlay at walang susunod na restart na naka-schedule.

Pagpapatibay:

• Ang restart ng wake runtime ay hindi na nahaharangan ng visibility ng overlay.
• Ang pagkumpleto ng overlay dismiss ay nagti-trigger ng VoiceWakeRuntime.refresh(...) sa pamamagitan ng VoiceSessionCoordinator, kaya ang manual na X-dismiss ay laging nagre-resume ng pakikinig.

Mga detalye ng push-to-talk¶

• 37. Gumagamit ang hotkey detection ng global .flagsChanged monitor para sa right Option (keyCode 61 + .option). Nag-oobserba lang kami ng mga event (walang pagharang).
• Ang capture pipeline ay nasa VoicePushToTalk: agad nitong sinisimulan ang Speech, nag-i-stream ng mga partial sa overlay, at tinatawag ang VoiceWakeForwarder kapag binitawan.
• Kapag nagsimula ang push-to-talk, pini-pause namin ang wake-word runtime para maiwasan ang sabayang audio taps; awtomatiko itong nagre-restart pagkatapos bitawan.
• Mga pahintulot: kailangan ng Microphone + Speech; para makita ang mga event kailangan ng Accessibility/Input Monitoring approval.
• Mga external keyboard: may ilan na maaaring hindi ma-expose ang right Option gaya ng inaasahan—mag-alok ng fallback shortcut kung may mag-ulat ng mga miss.

Mga setting na nakikita ng user¶

• Voice Wake toggle: ina-enable ang wake-word runtime.
• 38. Hawakan ang Cmd+Fn para magsalita: pinapagana ang push-to-talk monitor. 39. Naka-disable sa macOS < 26.
• Language at mic pickers, live level meter, trigger-word table, tester (local-only; hindi nagfo-forward).
• Pinananatili ng mic picker ang huling pinili kung mag-disconnect ang isang device, nagpapakita ng disconnected hint, at pansamantalang bumabalik sa system default hanggang sa bumalik ito.
• 40. Mga Tunog: may chime sa trigger detect at sa send; default ang macOS “Glass” system sound. 41. Maaari kang pumili ng anumang NSSound-loadable na file (hal. MP3/WAV/AIFF) para sa bawat event o piliin ang No Sound.

Pag-uugali ng Pagpapasa¶

• Kapag naka-enable ang Voice Wake, ang mga transcript ay ipinapasa sa aktibong gateway/agent (parehong local vs remote mode na ginagamit ng natitirang bahagi ng mac app).
• 42. Ang mga sagot ay inihahatid sa huling ginamit na main provider (WhatsApp/Telegram/Discord/WebChat). 43. Kapag nabigo ang delivery, nilolog ang error at nananatiling nakikita ang run sa pamamagitan ng WebChat/session logs.

Payload ng Pagpapasa¶

• 44. Ang VoiceWakeForwarder.prefixedTranscript(_:) ay nagpe-prepend ng machine hint bago magpadala. Ibinabahagi sa pagitan ng wake-word at push-to-talk na mga path.

Mabilis na beripikasyon¶

• I-toggle ang push-to-talk, hawakan ang Cmd+Fn, magsalita, bitawan: dapat magpakita ang overlay ng mga partial at pagkatapos ay mag-send.
• Habang hawak, dapat manatiling pinalaki ang menu-bar ears (gumagamit ng triggerVoiceEars(ttl:nil)); babalik ang mga ito pagkatapos bitawan.