语音唤醒

语音唤醒与按键通话

模式

• 唤醒词模式（默认）：始终运行的 Speech 识别器等待触发令牌（swabbleTriggerWords）。匹配时开始捕获，显示带有部分文本的覆盖层，并在静音后自动发送。
• 按键通话（按住右 Option 键）：按住右 Option 键立即捕获——无需触发。按住时显示覆盖层；释放后最终确定并在短暂延迟后转发，以便你可以调整文本。

运行时行为（唤醒词）

• Speech 识别器位于 VoiceWakeRuntime 中。
• 仅当唤醒词和下一个词之间有有意义的暂停（约 0.55 秒间隔）时触发才会触发。覆盖层/铃声可以在暂停时开始，即使在命令开始之前。
• 静音窗口：语音流畅时为 2.0 秒，如果只听到触发词则为 5.0 秒。
• 硬停止：120 秒以防止失控会话。
• 会话间去抖动：350ms。
• 覆盖层通过 VoiceWakeOverlayController 驱动，带有提交/易失着色。
• 发送后，识别器干净地重新启动以监听下一个触发。

生命周期不变量

• 如果启用了语音唤醒并授予了权限，唤醒词识别器应该在监听（除了显式的按键通话捕获期间）。
• 覆盖层可见性（包括通过 X 按钮手动关闭）绝不能阻止识别器恢复。

粘性覆盖层故障模式（之前）

之前，如果覆盖层卡住可见并且你手动关闭它，语音唤醒可能看起来"死掉"，因为运行时的重启尝试可能被覆盖层可见性阻止，并且没有安排后续重启。

强化：

• 唤醒运行时重启不再被覆盖层可见性阻止。
• 覆盖层关闭完成通过 VoiceSessionCoordinator 触发 VoiceWakeRuntime.refresh(...)，因此手动 X 关闭总是会恢复监听。

按键通话细节

• 热键检测使用全局 .flagsChanged 监视器用于右 Option（keyCode 61 + .option）。我们只观察事件（不吞噬）。
• 捕获管道位于 VoicePushToTalk 中：立即启动 Speech，将部分流式传输到覆盖层，并在释放时调用 VoiceWakeForwarder。
• 当按键通话启动时，我们暂停唤醒词运行时以避免音频抽头冲突；释放后自动重启。
• 权限：需要麦克风 + Speech；查看事件需要辅助功能/输入监控批准。
• 外部键盘：有些可能无法按预期暴露右 Option——如果用户报告错过，提供备用快捷键。

用户-facing 设置

• 语音唤醒切换：启用唤醒词运行时。
• 按住 Cmd+Fn 通话：启用按键通话监视器。macOS < 26 时禁用。
• 语言和麦克风选择器、实时电平表、触发词表、测试器（仅本地；不转发）。
• 麦克风选择器在设备断开时保留最后的选择，显示断开提示，并临时回退到系统默认直到它返回。
• 声音：触发检测和发送时响铃；默认为 macOS"Glass"系统声音。你可以为每个事件选择任何 NSSound 可加载文件（例如 MP3/WAV/AIFF）或选择无声音。

转发行为

• 启用语音唤醒后，转录会转发到活动的 gateway/agent（与 mac 应用其余部分使用的相同本地 vs 远程模式）。
• 回复传递到最后使用的主 provider（WhatsApp/Telegram/Discord/WebChat）。如果传递失败，记录错误并且运行仍可通过 WebChat/会话日志查看。

转发 payload

• VoiceWakeForwarder.prefixedTranscript(_:) 在发送前 prepends 机器提示。在唤醒词和按键通话路径之间共享。

快速验证

• 切换按键通话开启，按住 Cmd+Fn，说话，释放：覆盖层应显示部分然后发送。
• 按住时，菜单栏耳朵应保持放大（使用 triggerVoiceEars(ttl:nil)）；释放后放下。