macOS companion app

Ativação por voz (macOS)

Ativação por voz e pressione para falar

Requisitos

A Ativação por voz e o pressione para falar exigem macOS 26 ou mais recente. Em versões mais antigas do macOS, os controles ficam ocultos na página de configurações de Voz, que mostra o requisito de macOS 26.

Modos

Modo de palavra de ativação (padrão): o reconhecedor de fala sempre ativo aguarda tokens de acionamento (swabbleTriggerWords). Ao encontrar uma correspondência, ele inicia a captura, mostra a sobreposição com texto parcial e envia automaticamente após o silêncio.
Pressione para falar (segurar Option direito): segure a tecla Option direita para capturar imediatamente, sem necessidade de acionamento. A sobreposição aparece enquanto a tecla é mantida pressionada; soltar finaliza e encaminha após um breve atraso para que você possa ajustar o texto.

Comportamento em runtime (palavra de ativação)

O reconhecedor de fala fica em VoiceWakeRuntime.
O acionamento só dispara quando há uma pausa significativa entre a palavra de ativação e a próxima palavra (intervalo de ~0,55 s). A sobreposição/som pode começar na pausa, mesmo antes de o comando começar.
Janelas de silêncio: 2,0 s quando a fala está fluindo, 5,0 s se apenas o acionamento foi ouvido.
Parada rígida: 120 s para evitar sessões descontroladas.
Debounce entre sessões: 350 ms.
A sobreposição é controlada por VoiceWakeOverlayController com coloração confirmada/volátil.
Após o envio, o reconhecedor reinicia corretamente para escutar o próximo acionamento.

Invariantes do ciclo de vida

Se a Ativação por voz estiver habilitada e as permissões tiverem sido concedidas, o reconhecedor de palavra de ativação deve estar escutando (exceto durante uma captura explícita de pressione para falar).
A visibilidade da sobreposição (incluindo dispensa manual pelo botão X) nunca deve impedir que o reconhecedor retome.

Modo de falha de sobreposição persistente (anterior)

Anteriormente, se a sobreposição ficasse presa visível e você a fechasse manualmente, a Ativação por voz podia parecer "morta" porque a tentativa de reinício do runtime podia ser bloqueada pela visibilidade da sobreposição, e nenhum reinício subsequente era agendado.

Endurecimento:

O reinício do runtime de ativação não é mais bloqueado pela visibilidade da sobreposição.
A conclusão da dispensa da sobreposição aciona um VoiceWakeRuntime.refresh(...) via VoiceSessionCoordinator, então a dispensa manual pelo X sempre retoma a escuta.

Especificidades do pressione para falar

A detecção de tecla de atalho usa um monitor global .flagsChanged para Option direito (keyCode 61 + .option). Apenas observamos eventos (sem engolir).
O pipeline de captura fica em VoicePushToTalk: inicia a Fala imediatamente, transmite parciais para a sobreposição e chama VoiceWakeForwarder ao soltar.
Quando o pressione para falar começa, pausamos o runtime de palavra de ativação para evitar taps de áudio concorrentes; ele reinicia automaticamente após soltar.
Permissões: exige Microfone + Fala; ver eventos exige aprovação de Acessibilidade/Monitoramento de entrada.
Teclados externos: alguns podem não expor o Option direito como esperado; ofereça um atalho alternativo se usuários relatarem falhas.

Configurações visíveis ao usuário

Alternância Ativação por voz: habilita o runtime de palavra de ativação.
Segurar Option direito para falar: habilita o monitor de pressione para falar.
Seletores de idioma e microfone, medidor de nível ao vivo, tabela de palavras de acionamento, testador (somente local; não encaminha).
O seletor de microfone preserva a última seleção se um dispositivo desconectar, mostra uma dica de desconectado e recorre temporariamente ao padrão do sistema até que ele retorne.
Sons: sons ao detectar acionamento e ao enviar; o padrão é o som do sistema macOS "Glass". Você pode escolher qualquer arquivo carregável por NSSound (por exemplo, MP3/WAV/AIFF) para cada evento ou escolher Sem som.

Comportamento de encaminhamento

Quando a Ativação por voz está habilitada, transcrições são encaminhadas para o Gateway/agente ativo (o mesmo modo local vs remoto usado pelo restante do app para Mac).
Respostas são entregues ao último provedor principal usado (WhatsApp/Telegram/Discord/WebChat). Se a entrega falhar, o erro é registrado, e a execução ainda fica visível via WebChat/logs de sessão.

Payload de encaminhamento

VoiceWakeForwarder.prefixedTranscript(_:) prefixa a dica da máquina antes de enviar. Compartilhado entre os caminhos de palavra de ativação e pressione para falar.

Verificação rápida

Ative o pressione para falar, segure Option direito, fale, solte: a sobreposição deve mostrar parciais e depois enviar.
Enquanto estiver segurando, as orelhas na barra de menus devem permanecer ampliadas (usa triggerVoiceEars(ttl:nil)); elas diminuem após soltar.

Relacionados

Was this useful?