75 lines
4.1 KiB
Markdown
75 lines
4.1 KiB
Markdown
---
|
||
read_when:
|
||
- 正在开发语音唤醒或按键通话相关功能
|
||
summary: Mac 应用中的语音唤醒和按键通话模式及路由详情
|
||
title: 语音唤醒
|
||
x-i18n:
|
||
generated_at: "2026-02-01T21:33:32Z"
|
||
model: claude-opus-4-5
|
||
provider: pi
|
||
source_hash: f6440bb89f349ba5c1c9aacffe95e568681beb9899ca736dedfe2f4a366cb5e4
|
||
source_path: platforms/mac/voicewake.md
|
||
workflow: 15
|
||
---
|
||
|
||
# 语音唤醒与按键通话
|
||
|
||
## 模式
|
||
|
||
- **唤醒词模式**（默认）：常驻语音识别器等待触发词（`swabbleTriggerWords`）。匹配后开始采集，显示叠加层并展示部分文本，静默后自动发送。
|
||
- **按键通话（长按右 Option 键）**：长按右 Option 键立即开始采集——无需触发词。长按期间显示叠加层；松开后完成采集并在短暂延迟后转发，以便你调整文本。
|
||
|
||
## 运行时行为（唤醒词）
|
||
|
||
- 语音识别器位于 `VoiceWakeRuntime` 中。
|
||
- 仅当唤醒词和下一个词之间存在**有意义的停顿**（约 0.55 秒间隔）时才会触发。叠加层/提示音可以在停顿时启动，甚至在命令开始之前。
|
||
- 静默窗口：语音持续时为 2.0 秒，仅听到触发词时为 5.0 秒。
|
||
- 硬停止：120 秒，防止会话失控。
|
||
- 会话间去抖：350 毫秒。
|
||
- 叠加层通过 `VoiceWakeOverlayController` 驱动，具有已确认/临时着色。
|
||
- 发送后，识别器干净重启以监听下一个触发词。
|
||
|
||
## 生命周期不变量
|
||
|
||
- 如果语音唤醒已启用且权限已授予，唤醒词识别器应保持监听状态（显式按键通话采集期间除外）。
|
||
- 叠加层可见性（包括通过 X 按钮手动关闭）绝不能阻止识别器恢复。
|
||
|
||
## 叠加层卡住故障模式（历史问题）
|
||
|
||
此前，如果叠加层卡在可见状态并且你手动关闭它，语音唤醒可能表现为"无响应"，因为运行时的重启尝试会被叠加层可见性阻塞，且不会调度后续重启。
|
||
|
||
加固措施：
|
||
|
||
- 唤醒运行时重启不再被叠加层可见性阻塞。
|
||
- 叠加层关闭完成后通过 `VoiceSessionCoordinator` 触发 `VoiceWakeRuntime.refresh(...)`，因此手动点击 X 关闭始终会恢复监听。
|
||
|
||
## 按键通话详情
|
||
|
||
- 热键检测使用全局 `.flagsChanged` 监视器检测**右 Option 键**（`keyCode 61` + `.option`）。我们仅观察事件（不拦截）。
|
||
- 采集管道位于 `VoicePushToTalk` 中：立即启动语音识别，将部分结果流式传输到叠加层，松开时调用 `VoiceWakeForwarder`。
|
||
- 按键通话开始时，我们暂停唤醒词运行时以避免音频输入冲突；松开后自动重启。
|
||
- 权限：需要麦克风 + 语音识别权限；查看事件需要辅助功能/输入监控授权。
|
||
- 外接键盘：某些键盘可能无法按预期暴露右 Option 键——如果用户反馈未响应，请提供备用快捷键。
|
||
|
||
## 面向用户的设置
|
||
|
||
- **语音唤醒**开关：启用唤醒词运行时。
|
||
- **长按 Cmd+Fn 说话**：启用按键通话监视器。在 macOS < 26 上禁用。
|
||
- 语言和麦克风选择器、实时电平指示器、触发词表格、测试器（仅本地；不进行转发）。
|
||
- 麦克风选择器在设备断开时保留上次选择，显示断开提示，并在设备恢复前临时回退到系统默认设备。
|
||
- **声音**：触发检测和发送时播放提示音；默认使用 macOS "Glass" 系统声音。你可以为每个事件选择任何 `NSSound` 可加载的文件（如 MP3/WAV/AIFF），或选择**无声音**。
|
||
|
||
## 转发行为
|
||
|
||
- 启用语音唤醒后，转录文本将转发到活跃的 Gateway网关/智能体（与 Mac 应用其他部分使用的本地/远程模式相同）。
|
||
- 回复将发送到**最近使用的主要提供商**（WhatsApp/Telegram/Discord/WebChat）。如果发送失败，错误会被记录，且运行仍可通过 WebChat/会话日志查看。
|
||
|
||
## 转发载荷
|
||
|
||
- `VoiceWakeForwarder.prefixedTranscript(_:)` 在发送前添加机器提示前缀。唤醒词和按键通话路径共用此逻辑。
|
||
|
||
## 快速验证
|
||
|
||
- 开启按键通话，长按 Cmd+Fn，说话，松开：叠加层应显示部分结果然后发送。
|
||
- 长按期间，菜单栏耳朵图标应保持放大状态（使用 `triggerVoiceEars(ttl:nil)`）；松开后恢复。
|