Voice Wake (macOS)

Activación por voz y pulsar para hablar

Modos

• Modo de palabra de activación (predeterminado): el reconocedor de voz siempre activo espera tokens de activación (swabbleTriggerWords). Al encontrar una coincidencia, inicia la captura, muestra la superposición con texto parcial y envía automáticamente después del silencio.
• Pulsar para hablar (mantener Opción derecha): mantenga presionada la tecla Opción derecha para capturar inmediatamente; no se necesita ningún activador. La superposición aparece mientras se mantiene presionada; al soltar, se finaliza y reenvía después de un breve retraso para que pueda ajustar el texto.

Comportamiento en tiempo de ejecución (palabra de activación)

• El reconocedor de voz reside en VoiceWakeRuntime.
• El activador solo se dispara cuando hay una pausa significativa entre la palabra de activación y la siguiente palabra (brecha de ~0.55s). La superposición/la señal de sonido pueden comenzar en la pausa incluso antes de que comience el comando.
• Ventanas de silencio: 2.0s cuando el discurso fluye, 5.0s si solo se escuchó el activador.
• Parada forzada: 120s para evitar sesiones incontroladas.
• Antirrebote entre sesiones: 350ms.
• La superposición se controla mediante VoiceWakeOverlayController con coloración confirmada/volátil.
• Después de enviar, el reconocedor se reinicia limpiamente para escuchar el siguiente activador.

Invariantes del ciclo de vida

• Si la activación por voz está habilitada y se conceden los permisos, el reconocedor de palabras de activación debería estar escuchando (excepto durante una captura explícita de pulsar para hablar).
• La visibilidad de la superposición (incluido el descarte manual mediante el botón X) nunca debe impedir que el reconocemer se reanude.

Modo de fallo de superposición fija (anterior)

Anteriormente, si la superposición se quedaba visible atascada y la cerraba manualmente, la activación por voz podía parecer “muerta” porque el intento de reinicio del tiempo de ejecución podía bloquearse por la visibilidad de la superposición y no se programaba ningún reinicio posterior.

Endurecimiento:

• El reinicio del tiempo de ejecución de activación ya no está bloqueado por la visibilidad de la superposición.
• La finalización del descarte de la superposición activa un VoiceWakeRuntime.refresh(...) a través de VoiceSessionCoordinator, por lo que el descarte manual con X siempre reanuda la escucha.

Especificaciones de pulsar para hablar

• La detección de atajos de teclado utiliza un monitor global .flagsChanged para la Opción derecha (keyCode 61 + .option). Solo observamos eventos (sin interceptación).
• La canalización de captura reside en VoicePushToTalk: inicia el reconocimiento de voz inmediatamente, transmite parciales a la superposición y llama a VoiceWakeForwarder al liberar.
• Cuando se inicia la pulsación para hablar (push-to-talk), pausamos el tiempo de ejecución de la palabra de activación para evitar pulsaciones de audio en conflicto; se reinicia automáticamente después de liberar.
• Permisos: requiere Micrófono + Voz; ver eventos requiere la aprobación de Accesibilidad/Monitoreo de entrada.
• Teclados externos: algunos pueden no exponer la Opción derecha como se espera; ofrezca un método abreviado alternativo si los usuarios reportan fallos.

Configuración orientada al usuario

• Interruptor Voice Wake: activa el tiempo de ejecución de la palabra de activación.
• Mantener presionado Cmd+Fn para hablar: activa el monitor de pulsación para hablar. Desactivado en macOS < 26.
• Selectores de idioma y micrófono, medidor de nivel en vivo, tabla de palabras de activación, probador (solo local; no reenvía).
• El selector de micrófono conserva la última selección si un dispositivo se desconecta, muestra una pista de desconexión y vuelve temporalmente al predeterminado del sistema hasta que regrese.
• Sonidos: campanillas al detectar activación y al enviar; por defecto al sonido del sistema macOS “Glass”. Puede elegir cualquier archivo cargable por NSSound (p. ej., MP3/WAV/AIFF) para cada evento o elegir Sin sonido.

Comportamiento de reenvío

• Cuando Voice Wake está activado, las transcripciones se reenvían a la puerta de enlace/agente activo (el mismo modo local frente a remoto utilizado por el resto de la aplicación Mac).
• Las respuestas se entregan al último proveedor principal utilizado (WhatsApp/Telegram/Discord/WebChat). Si la entrega falla, el error se registra y la ejecución aún es visible a través de WebChat/registros de sesión.

Carga útil de reenvío

• VoiceWakeForwarder.prefixedTranscript(_:) antepone la sugerencia de la máquina antes de enviar. Compartido entre las rutas de palabra de activación y pulsación para hablar.

Verificación rápida

• Active la pulsación para hablar, mantenga presionado Cmd+Fn, hable, suelte: la superposición debería mostrar los parciales y luego enviar.
• Mientras se mantiene presionado, los “oídos” de la barra de menú deben permanecer agrandados (usan triggerVoiceEars(ttl:nil)); se reducen después de soltar.