# Wybudzanie głosem i naciśnij, aby mówić

# Tryby

• Tryb słowa wybudzającego (domyślny): zawsze włączony rozpoznawacz mowy czeka na tokeny wyzwalające (swabbleTriggerWords). Po dopasowaniu rozpoczyna przechwytywanie, pokazuje nakładkę z częściowym tekstem i automatycznie wysyła po ciszy.
• Naciśnij, aby mówić (przytrzymanie prawego Option): przytrzymaj prawy klawisz Option, aby natychmiast rozpocząć przechwytywanie — bez potrzeby użycia wyzwalacza. Nakładka pojawia się podczas przytrzymania; zwolnienie finalizuje i przekazuje tekst po krótkim opóźnieniu, aby można było go dopracować.

# Zachowanie w czasie działania (słowo wybudzające)

• Rozpoznawacz mowy działa w VoiceWakeRuntime.
• Wyzwalacz uruchamia się tylko wtedy, gdy między słowem wybudzającym a następnym słowem występuje znacząca pauza (przerwa ok. 0,55 s). Nakładka/dźwięk może rozpocząć się na pauzie, jeszcze zanim zacznie się polecenie.
• Okna ciszy: 2,0 s, gdy mowa trwa, 5,0 s, jeśli usłyszano tylko wyzwalacz.
• Twarde zatrzymanie: 120 s, aby zapobiec niekontrolowanym sesjom.
• Debounce między sesjami: 350 ms.
• Nakładka jest sterowana przez VoiceWakeOverlayController z kolorowaniem zatwierdzonym/ulotnym.
• Po wysłaniu rozpoznawacz uruchamia się ponownie w czysty sposób, aby nasłuchiwać następnego wyzwalacza.

# Niezmienniki cyklu życia

• Jeśli wybudzanie głosem jest włączone, a uprawnienia zostały przyznane, rozpoznawacz słowa wybudzającego powinien nasłuchiwać (z wyjątkiem jawnego przechwytywania w trybie naciśnij, aby mówić).
• Widoczność nakładki (w tym ręczne zamknięcie przyciskiem X) nigdy nie może uniemożliwiać wznowienia działania rozpoznawacza.

# Tryb awarii przyklejonej nakładki (wcześniej)

Wcześniej, jeśli nakładka utknęła jako widoczna i została ręcznie zamknięta, wybudzanie głosem mogło wyglądać na „martwe”, ponieważ próba ponownego uruchomienia środowiska działania mogła zostać zablokowana przez widoczność nakładki i nie planowano kolejnego ponownego uruchomienia.

Utwardzenie:

• Ponowne uruchomienie środowiska działania wybudzania nie jest już blokowane przez widoczność nakładki.
• Zakończenie zamykania nakładki wyzwala VoiceWakeRuntime.refresh(...) przez VoiceSessionCoordinator, więc ręczne zamknięcie przyciskiem X zawsze wznawia nasłuchiwanie.

# Szczegóły trybu naciśnij, aby mówić

• Wykrywanie skrótu używa globalnego monitora .flagsChanged dla prawego Option (keyCode 61 + .option). Tylko obserwujemy zdarzenia (bez ich przechwytywania).
• Potok przechwytywania działa w VoicePushToTalk: natychmiast uruchamia mowę, strumieniuje częściowe wyniki do nakładki i wywołuje VoiceWakeForwarder po zwolnieniu.
• Gdy tryb naciśnij, aby mówić się uruchamia, wstrzymujemy środowisko działania słowa wybudzającego, aby uniknąć rywalizujących zaczepów audio; uruchamia się ono ponownie automatycznie po zwolnieniu.
• Uprawnienia: wymaga mikrofonu i mowy; odbieranie zdarzeń wymaga zgody na dostępność/monitorowanie wejścia.
• Klawiatury zewnętrzne: niektóre mogą nie udostępniać prawego Option zgodnie z oczekiwaniami — zaoferuj zapasowy skrót, jeśli użytkownicy zgłaszają pominięcia.

# Ustawienia widoczne dla użytkownika

• Przełącznik Wybudzanie głosem: włącza środowisko działania słowa wybudzającego.
• Przytrzymaj Cmd+Fn, aby mówić: włącza monitor trybu naciśnij, aby mówić. Wyłączone na macOS < 26.
• Selektory języka i mikrofonu, aktywny miernik poziomu, tabela słów wyzwalających, tester (tylko lokalny; nie przekazuje dalej).
• Selektor mikrofonu zachowuje ostatni wybór, jeśli urządzenie zostanie odłączone, pokazuje wskazówkę o odłączeniu i tymczasowo przełącza się na domyślne urządzenie systemowe, dopóki nie wróci.
• Dźwięki: dzwonki przy wykryciu wyzwalacza i przy wysłaniu; domyślnie systemowy dźwięk macOS „Glass”. Dla każdego zdarzenia można wybrać dowolny plik możliwy do załadowania przez NSSound (np. MP3/WAV/AIFF) albo wybrać Brak dźwięku.

# Zachowanie przekazywania

• Gdy wybudzanie głosem jest włączone, transkrypcje są przekazywane do aktywnego gatewaya/agenta (ten sam tryb lokalny lub zdalny, którego używa reszta aplikacji na Maca).
• Odpowiedzi są dostarczane do ostatnio używanego głównego dostawcy (WhatsApp/Telegram/Discord/WebChat). Jeśli dostarczenie się nie powiedzie, błąd jest rejestrowany, a uruchomienie nadal jest widoczne przez WebChat/logi sesji.

# Ładunek przekazywania

• VoiceWakeForwarder.prefixedTranscript(_:) dodaje podpowiedź maszyny przed wysłaniem. Współdzielone między ścieżkami słowa wybudzającego i naciśnij, aby mówić.

# Szybka weryfikacja

• Włącz tryb naciśnij, aby mówić, przytrzymaj Cmd+Fn, powiedz coś, zwolnij: nakładka powinna pokazać częściowe wyniki, a następnie wysłać.
• Podczas przytrzymywania uszy na pasku menu powinny pozostać powiększone (używa triggerVoiceEars(ttl:nil)); wracają po zwolnieniu.

# Powiązane

• Wybudzanie głosem
• Nakładka głosowa
• Aplikacja macOS