语音唤醒与按住说话
模式
- 唤醒词模式（默认）：始终开启的语音识别器等待触发标记（
swabbleTriggerWords）。匹配后，它会立即开始录音，显示带有部分文本的叠加层，并在静音后自动发送。 - 按住说话（长按右侧 Option 键）：长按右侧 Option 键即可立即开始录音——无需触发词。叠加层在按键期间显示；松开后，经过短暂延迟完成并发送录音，以便您有时间调整文本。
运行时行为（唤醒词）
- 语音识别器运行于
VoiceWakeRuntime中。 - 触发仅在唤醒词与下一个词之间出现有意义的停顿时才会激活（约 0.55 秒的间隔）。即使在命令开始之前，叠加层或提示音也可以在停顿时启动。
- 静默窗口：当语音持续输入时为 2.0 秒；如果仅检测到触发词，则为 5.0 秀。
- 强制停止：120 秒，以防止会话失控。
- 会话间去抖动：350 毫秒。
- 叠加层通过
VoiceWakeOverlayController驱动，并采用固定和可变颜色方案。 - 发送完成后，识别器会干净地重启，以监听下一个触发事件。
生命周期不变量
- 如果已启用语音唤醒且已授予相关权限，唤醒词识别器应处于监听状态（除非正在进行显式的按住说话录音）。
- 叠加层的可见性（包括通过“X”按钮手动关闭）绝不能阻止识别器恢复监听。
叠加层卡住的故障模式（旧版）
以前，如果叠加层卡在可见状态且您手动关闭它，语音唤醒可能会看似“失效”，因为运行时的重启尝试可能被叠加层的可见性所阻塞，且后续不会安排重启。 加固措施：- 唤醒运行时的重启不再受叠加层可见性的阻碍。
- 叠加层关闭完成会通过
VoiceSessionCoordinator触发VoiceWakeRuntime.refresh(...)，因此手动点击“X”关闭叠加层始终会恢复监听。
按住说话的具体实现
- 热键检测使用全局
.flagsChanged监控器来监听右侧 Option 键（keyCode 61+.option）。我们仅观察事件，不吞没事件。 - 录音管道位于
VoicePushToTalk中：立即启动语音识别，将部分音频流传输到叠加层，并在松开按键时调用VoiceWakeForwarder。 - 当按住说话开始时，我们会暂停唤醒词运行时，以避免音频冲突；松开后，唤醒词运行时会自动重启。
- 权限要求：需要麦克风和语音权限；监听事件还需要辅助功能/输入监控批准。
- 外接键盘：某些键盘可能无法按预期暴露右侧 Option 键——如果用户报告漏检，提供备用快捷键。
用户界面设置
- 语音唤醒切换开关：启用唤醒词运行时。
- 长按 Cmd+Fn 说话：启用按住说话监控。在 macOS 小于 26 上禁用。
- 语言和麦克风选择器、实时电平表、触发词表格、测试器（仅本地使用，不转发）。
- 如果设备断开连接，麦克风选择器会保留上次选择的设备，并显示断开连接提示，同时暂时回退到系统默认麦克风，直到设备重新连接。
- 声音：在检测到触发词和发送时发出提示音；默认使用 macOS 的“Glass”系统声音。您可以为每个事件选择任何可加载的
NSSound文件（如 MP3/WAV/AIFF），或选择无声音。
转发行为
- 当语音唤醒启用时，转录内容会转发到当前活动的网关或代理（与 Mac 应用程序其他部分使用的本地或远程模式相同）。
- 回复会发送到最近使用的主提供商（WhatsApp/Telegram/Discord/WebChat）。如果发送失败，错误会被记录，且该会话仍可通过 WebChat 或会息日志查看。
转发负载
VoiceWakeForwarder.prefixedTranscript(_:)在发送前添加机器提示信息。此信息在唤醒词和按住说话路径中共享。
快速验证
- 打开按住说话功能，长按 Cmd+Fn，说话，然后松开：叠加层应显示部分录音并随后发送。
- 在按住期间，菜单栏中的耳朵图标应保持放大状态（使用
triggerVoiceEars(ttl:nil)）；松开后，图标会缩小。