​

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). Cuando hay coincidencia, inicia la captura, muestra la superposición con texto parcial y envía automáticamente tras el silencio.
• Pulsar para hablar (mantener pulsada la tecla Opción derecha): mantén pulsada la tecla Opción derecha para capturar inmediatamente, sin necesidad de activación. La superposición aparece mientras se mantiene pulsada; al soltarla, se finaliza y se reenvía tras un breve retraso para que puedas ajustar el texto.

​

Comportamiento en runtime (palabra de activación)

• El reconocedor de voz reside en VoiceWakeRuntime.
• La activación solo se dispara cuando hay una pausa significativa entre la palabra de activación y la palabra siguiente (intervalo de ~0,55 s). La superposición/el sonido puede comenzar en la pausa incluso antes de que empiece el comando.
• Ventanas de silencio: 2,0 s cuando el habla fluye, 5,0 s si solo se oyó la activación.
• Detención forzada: 120 s para evitar sesiones descontroladas.
• Antirrebote entre sesiones: 350 ms.
• La superposición se controla mediante VoiceWakeOverlayController con coloreado committed/volatile.
• Después del envío, el reconocedor se reinicia limpiamente para escuchar la siguiente activación.

​

Invariantes del ciclo de vida

• Si Voice Wake está habilitado y se han concedido permisos, el reconocedor de palabra de activación debería estar escuchando (excepto durante una captura explícita de pulsar para hablar).
• La visibilidad de la superposición (incluida la ocultación manual con el botón X) nunca debe impedir que el reconocedor reanude la escucha.

​

Modo de fallo de superposición atascada (anterior)

• El reinicio del runtime de activación ya no queda bloqueado por la visibilidad de la superposición.
• La finalización del cierre de la superposición activa un VoiceWakeRuntime.refresh(...) mediante VoiceSessionCoordinator, así que cerrar manualmente con la X siempre reanuda la escucha.

​

Detalles específicos de pulsar para hablar

• La detección de la tecla rápida usa un monitor global .flagsChanged para la tecla Opción derecha (keyCode 61 + .option). Solo observamos los eventos (sin interceptarlos).
• La canalización de captura reside en VoicePushToTalk: inicia Speech inmediatamente, transmite parciales a la superposición y llama a VoiceWakeForwarder al soltar la tecla.
• Cuando empieza pulsar para hablar, pausamos el runtime de palabra de activación para evitar taps de audio en conflicto; se reinicia automáticamente después de soltar la tecla.
• Permisos: requiere Micrófono + Speech; para ver eventos se necesita aprobación de Accessibility/Input Monitoring.
• Teclados externos: algunos pueden no exponer la tecla Opción derecha como se espera; ofrece un atajo alternativo si los usuarios informan fallos.

​

Ajustes visibles para el usuario

• Interruptor Voice Wake: habilita el runtime de palabra de activación.
• Mantener Cmd+Fn para hablar: habilita el monitor de pulsar para hablar. Deshabilitado 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 recurre temporalmente al valor predeterminado del sistema hasta que vuelva.
• Sounds: sonidos al detectar la activación y al enviar; el valor predeterminado es el sonido del sistema “Glass” de macOS. Puedes elegir cualquier archivo cargable por NSSound (por ejemplo MP3/WAV/AIFF) para cada evento o elegir No Sound.

​

Comportamiento de reenvío

• Cuando Voice Wake está habilitado, las transcripciones se reenvían al gateway/agente activo (el mismo modo local frente a remoto que usa el resto de la app de Mac).
• Las respuestas se entregan al último proveedor principal usado (WhatsApp/Telegram/Discord/WebChat). Si la entrega falla, el error se registra y la ejecución sigue siendo visible mediante WebChat/registros de sesión.

​

Carga útil de reenvío

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

​

Verificación rápida

• Activa pulsar para hablar, mantén pulsadas Cmd+Fn, habla y suéltalas: la superposición debería mostrar parciales y luego enviar.
• Mientras mantienes pulsadas las teclas, las orejas de la barra de menús deberían permanecer agrandadas (usa triggerVoiceEars(ttl:nil)); vuelven a bajar al soltarlas.