Голосове пробудження та «натисни й говори»

Вимоги

Для Голосового пробудження та режиму «натисни й говори» потрібна macOS 26 або новіша. У старіших версіях macOS елементи керування приховано зі сторінки налаштувань голосу, де показано вимогу macOS 26.

Режими

• Режим wake-word (типовий): постійно ввімкнений розпізнавач мовлення очікує тригерні токени (swabbleTriggerWords). У разі збігу він починає захоплення, показує оверлей із частковим текстом і автоматично надсилає після тиші.
• «Натисни й говори» (утримання правої Option): утримуйте праву клавішу Option, щоб одразу почати захоплення — тригер не потрібен. Оверлей з’являється під час утримання; відпускання завершує запис і пересилає після короткої затримки, щоб ви могли підправити текст.

Поведінка під час виконання (wake-word)

• Розпізнавач мовлення працює в VoiceWakeRuntime.
• Тригер спрацьовує лише тоді, коли між wake word і наступним словом є значуща пауза (проміжок приблизно 0,55 с). Оверлей/дзвінок може запуститися на паузі ще до початку команди.
• Вікна тиші: 2,0 с, коли мовлення триває, 5,0 с, якщо було почуто лише тригер.
• Жорстка зупинка: 120 с, щоб запобігти неконтрольованим сеансам.
• Debounce між сеансами: 350 мс.
• Оверлеєм керує VoiceWakeOverlayController із забарвленням committed/volatile.
• Після надсилання розпізнавач чисто перезапускається, щоб слухати наступний тригер.

Інваріанти життєвого циклу

• Якщо Голосове пробудження ввімкнено й дозволи надано, розпізнавач wake-word має слухати (крім часу явного захоплення «натисни й говори»).
• Видимість оверлею (включно з ручним закриттям кнопкою X) ніколи не має перешкоджати відновленню роботи розпізнавача.

Режим збою із застряглим оверлеєм (раніше)

Раніше, якщо оверлей застрягав видимим і ви вручну його закривали, Голосове пробудження могло здаватися «мертвим», бо спробу перезапуску runtime могла заблокувати видимість оверлею, а подальший перезапуск не планувався.

Посилення:

• Перезапуск wake runtime більше не блокується видимістю оверлею.
• Завершення закриття оверлею запускає VoiceWakeRuntime.refresh(...) через VoiceSessionCoordinator, тому ручне закриття X завжди відновлює слухання.

Особливості «натисни й говори»

• Виявлення гарячої клавіші використовує глобальний монітор .flagsChanged для правої Option (keyCode 61 + .option). Ми лише спостерігаємо події (без перехоплення).
• Конвеєр захоплення працює в VoicePushToTalk: негайно запускає Speech, транслює часткові результати в оверлей і викликає VoiceWakeForwarder під час відпускання.
• Коли запускається «натисни й говори», ми призупиняємо wake-word runtime, щоб уникнути конкуруючих аудіовідводів; він автоматично перезапускається після відпускання.
• Дозволи: потрібні Microphone + Speech; для отримання подій потрібне схвалення Accessibility/Input Monitoring.
• Зовнішні клавіатури: деякі можуть не передавати праву Option очікуваним способом — запропонуйте резервне скорочення, якщо користувачі повідомляють про пропуски.

Налаштування для користувача

• Перемикач Voice Wake: вмикає wake-word runtime.
• Hold Right Option to talk: вмикає монітор «натисни й говори».
• Вибір мови й мікрофона, живий індикатор рівня, таблиця тригерних слів, тестер (лише локально; не пересилає).
• Вибір мікрофона зберігає останній вибір, якщо пристрій від’єднується, показує підказку про від’єднання й тимчасово повертається до системного типового пристрою, доки він не повернеться.
• Звуки: дзвінки під час виявлення тригера та надсилання; типово використовується системний звук macOS «Glass». Для кожної події можна вибрати будь-який файл, який завантажує NSSound (наприклад, MP3/WAV/AIFF), або вибрати Без звуку.

Поведінка пересилання

• Коли Голосове пробудження ввімкнено, транскрипти пересилаються активному Gateway/агенту (той самий локальний чи віддалений режим, який використовує решта застосунку для Mac).
• Відповіді доставляються до останнього використаного основного провайдера (WhatsApp/Telegram/Discord/WebChat). Якщо доставка не вдається, помилка записується в журнал, а запуск усе одно видно через WebChat/журнали сеансу.

Корисне навантаження пересилання

• VoiceWakeForwarder.prefixedTranscript(_:) додає підказку про машину перед надсиланням. Спільне для шляхів wake-word і «натисни й говори».

Швидка перевірка

• Увімкніть «натисни й говори», утримуйте праву Option, говоріть, відпустіть: оверлей має показати часткові результати, а потім надіслати.
• Під час утримання вуха в рядку меню мають залишатися збільшеними (використовує triggerVoiceEars(ttl:nil)); вони зменшуються після відпускання.

Пов’язано

• Голосове пробудження
• Голосовий оверлей
• Застосунок macOS