# Ativação por Voz e Pressione-para-Falar

# Modos

• Modo de palavra de ativação (padrão): o reconhecedor de fala sempre ativo aguarda tokens de acionamento (swabbleTriggerWords). Ao encontrar uma correspondência, ele inicia a captura, mostra a sobreposição com texto parcial e envia automaticamente após silêncio.
• Pressione-para-falar (segurar Option direito): segure a tecla Option direita para capturar imediatamente, sem precisar de acionamento. A sobreposição aparece enquanto a tecla é segurada; soltar finaliza e encaminha após um curto atraso para que você possa ajustar o texto.

# Comportamento em runtime (palavra de ativação)

• O reconhecedor de fala fica em VoiceWakeRuntime.
• O acionamento só dispara quando há uma pausa significativa entre a palavra de ativação e a próxima palavra (intervalo de ~0,55 s). A sobreposição/som pode começar na pausa mesmo antes do comando começar.
• Janelas de silêncio: 2,0 s quando a fala está fluindo, 5,0 s se apenas o acionamento foi ouvido.
• Parada forçada: 120 s para evitar sessões descontroladas.
• Debounce entre sessões: 350 ms.
• A sobreposição é controlada via VoiceWakeOverlayController com coloração confirmada/volátil.
• Após o envio, o reconhecedor reinicia de forma limpa para escutar o próximo acionamento.

# Invariantes de ciclo de vida

• Se a Ativação por Voz estiver habilitada e as permissões tiverem sido concedidas, o reconhecedor de palavra de ativação deve estar escutando (exceto durante uma captura explícita de pressionar-para-falar).
• A visibilidade da sobreposição (incluindo dispensa manual pelo botão X) nunca deve impedir que o reconhecedor seja retomado.

# Modo de falha de sobreposição fixa (anterior)

Anteriormente, se a sobreposição ficasse travada visível e você a fechasse manualmente, a Ativação por Voz podia parecer "morta" porque a tentativa de reinício do runtime podia ser bloqueada pela visibilidade da sobreposição, e nenhum reinício subsequente era agendado.

Reforço:

• O reinício do runtime de ativação não é mais bloqueado pela visibilidade da sobreposição.
• A conclusão da dispensa da sobreposição aciona um VoiceWakeRuntime.refresh(...) via VoiceSessionCoordinator, então a dispensa manual pelo X sempre retoma a escuta.

# Especificidades de pressionar-para-falar

• A detecção de tecla de atalho usa um monitor global .flagsChanged para Option direito (keyCode 61 + .option). Apenas observamos eventos (sem interceptá-los).
• O pipeline de captura fica em VoicePushToTalk: inicia o Speech imediatamente, transmite parciais para a sobreposição e chama VoiceWakeForwarder ao soltar.
• Quando pressionar-para-falar começa, pausamos o runtime de palavra de ativação para evitar capturas de áudio concorrentes; ele reinicia automaticamente após soltar.
• Permissões: requer Microfone + Speech; ver eventos exige aprovação de Acessibilidade/Monitoramento de Entrada.
• Teclados externos: alguns podem não expor o Option direito como esperado; ofereça um atalho alternativo se os usuários relatarem falhas.

# Configurações voltadas ao usuário

• Alternância Ativação por Voz: habilita o runtime de palavra de ativação.
• Segurar Cmd+Fn para falar: habilita o monitor de pressionar-para-falar. Desabilitado no macOS < 26.
• Seletores de idioma e microfone, medidor de nível ao vivo, tabela de palavras de acionamento, testador (somente local; não encaminha).
• O seletor de microfone preserva a última seleção se um dispositivo desconectar, mostra uma dica de desconectado e recorre temporariamente ao padrão do sistema até ele retornar.
• Sons: sons ao detectar acionamento e ao enviar; o padrão é o som do sistema macOS "Glass". Você pode escolher qualquer arquivo carregável por NSSound (por exemplo, MP3/WAV/AIFF) para cada evento ou escolher Sem som.

# Comportamento de encaminhamento

• Quando a Ativação por Voz está habilitada, as transcrições são encaminhadas para o Gateway/agente ativo (o mesmo modo local versus remoto usado pelo restante do app para Mac).
• As respostas são entregues ao último provedor principal usado (WhatsApp/Telegram/Discord/WebChat). Se a entrega falhar, o erro é registrado e a execução ainda fica visível via logs do WebChat/sessão.

# Payload de encaminhamento

• VoiceWakeForwarder.prefixedTranscript(_:) prefixa a dica da máquina antes de enviar. Compartilhado entre os caminhos de palavra de ativação e pressionar-para-falar.

# Verificação rápida

• Ative pressionar-para-falar, segure Cmd+Fn, fale, solte: a sobreposição deve mostrar parciais e então enviar.
• Enquanto estiver segurando, as orelhas na barra de menus devem permanecer ampliadas (usa triggerVoiceEars(ttl:nil)); elas diminuem após soltar.

# Relacionado

• Ativação por voz
• Sobreposição de voz
• App macOS