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令牌 (swabbleTriggerWords)。匹配后开始捕获，显示带有部分文本的叠加层，并在静默后自动发送。
• 按住说话（右Option键长按）：按住右Option键立即捕获——无需触发。按住时叠加层出现；释放后短暂停顿后转发，以便您可以调整文本。

运行时行为（唤醒词）

• 语音识别器位于 VoiceWakeRuntime。
• 触发仅在唤醒词和下一个单词之间有有意义的停顿时才触发（约0.55秒间隔）。叠加层/提示音可以在命令开始之前停顿时启动。
• 静默窗口：语音流畅时为2.0秒，仅听到触发词时为5.0秒。
• 硬停止：120秒以防止会话失控。
• 会话之间的防抖：350毫秒。
• 叠加层通过 VoiceWakeOverlayController 驱动，使用已提交/易失性着色。
• 发送后，识别器会干净地重新启动以监听下一个触发词。

生命周期不变量

• 如果启用了语音唤醒并且权限已授予，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捕获）。
• 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。

粘性叠加层故障模式（以前）

以前，如果叠加层卡住可见并且您手动关闭了它，语音唤醒可能会显得“死掉”，因为运行时的重启尝试可能会被叠加层可见性阻止，并且没有安排后续重启。

强化措施：

• 唤醒运行时重启不再受叠加层可见性的影响。
• 叠加层关闭完成会通过 VoiceSessionCoordinator 触发 VoiceWakeRuntime.refresh(...)，因此手动X关闭总是会恢复监听。

按住说话具体说明

• 热键检测使用全局 .flagsChanged 监视器用于右Option键 (keyCode 61 + .option)。我们只观察事件（不拦截）。
• 捕获管道位于 VoicePushToTalk：立即启动语音识别，将部分结果流式传输到叠加层，并在释放时调用 VoiceWakeForwarder。
• 当按住说话启动时，我们暂停唤醒词运行时以避免音频冲突；释放后会自动重启。
• 权限：需要麦克风+语音；查看事件需要辅助功能/输入监视批准。
• 外部键盘：某些键盘可能不会按预期暴露右Option键——如果用户报告错过，请提供备用快捷方式。

用户界面设置

• 语音唤醒开关：启用唤醒词运行时。
• 按住Cmd+Fn说话：启用按住说话监视器。macOS < 26上禁用。
• 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连接时保留上次选择，显示断开连接提示，并临时回退到系统默认值，直到其返回。
• 声音：触发检测和发送时播放提示音；默认为macOS“玻璃”系统声音。您可以为每个事件选择任何 NSSound 加载的文件（例如MP3/WAV/AIFF），或选择无声音。

转发行为

• 当启用语音唤醒时，转录内容会转发到活动网关/代理（与mac应用程序其他部分使用的本地与远程模式相同）。
• 回复会发送到最后使用的主提供商（WhatsApp/Telegram/Discord/WebChat）。如果发送失败，错误会被记录，并且可以通过WebChat/会话日志查看运行情况。

转发负载

• VoiceWakeForwarder.prefixedTranscript(_:) 在发送前附加机器提示。唤醒词和按住说话路径共享。

快速验证

• 打开按住说话，按住Cmd+Fn，说话，释放：叠加层应显示部分结果然后发送。
• 按住期间，菜单栏上的耳朵应保持放大（使用 triggerVoiceEars(ttl:nil)）；释放后缩小。