​

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 coincidir, inicia la captura, muestra la superposición con texto parcial y envía automáticamente tras el silencio.
• Pulsar para hablar (mantener Opción derecha): mantenga presionada la tecla Opción derecha para capturar de inmediato—no se necesita activador. La superposición aparece mientras se mantiene; al soltar, finaliza y reenvía tras un breve retraso para que pueda ajustar el texto.

​

Comportamiento en tiempo de ejecución (palabra de activación)

• El reconocedor de voz vive en VoiceWakeRuntime.
• El disparador solo se activa cuando hay una pausa significativa entre la palabra de activación y la siguiente palabra (~0.55 s de intervalo). 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 escuchó el activador.
• Detención forzada: 120 s para evitar sesiones descontroladas.
• Antirrebote entre sesiones: 350 ms.
• La superposición se controla vía VoiceWakeOverlayController con coloración de confirmado/volátil.
• Tras el envío, el reconocedor se reinicia limpiamente para escuchar el siguiente activador.

​

Invariantes del ciclo de vida

• Si Activación por voz está habilitada y los permisos están concedidos, el reconocedor de palabra de activación debe estar escuchando (excepto durante una captura explícita de pulsar para hablar).
• La visibilidad de la superposición (incluida la ocultación manual mediante el botón X) nunca debe impedir que el reconocedor se reanude.

​

Modo de fallo de superposición persistente (anterior)

• El reinicio del runtime de activación ya no se bloquea por la visibilidad de la superposición.
• La finalización de la ocultación de la superposición dispara un VoiceWakeRuntime.refresh(...) vía VoiceSessionCoordinator, de modo que el cierre manual con X siempre reanuda la escucha.

​

Detalles de pulsar para hablar

• La detección de atajos usa un monitor global .flagsChanged para Opción derecha (keyCode 61 + .option). Solo observamos eventos (sin consumirlos).
• La canalización de captura vive en VoicePushToTalk: inicia Speech de inmediato, transmite parciales a la superposición y llama a VoiceWakeForwarder al soltar.
• Cuando inicia pulsar para hablar, pausamos el runtime de palabra de activación para evitar capturas de audio en conflicto; se reinicia automáticamente tras soltar.
• Permisos: requiere Micrófono + Speech; para ver eventos se necesita aprobación de Accesibilidad/Monitoreo de entrada.
• Teclados externos: algunos pueden no exponer Opción derecha como se espera—ofrezca un atajo alternativo si los usuarios reportan fallos.

​

Ajustes orientados al usuario

• Alternador Activación por voz: 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 indicación de desconectado y vuelve temporalmente al predeterminado del sistema hasta que regrese.
• Sonidos: avisos al detectar activador y al enviar; de forma predeterminada, el 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 Activación por voz está habilitada, las transcripciones se reenvían al gateway/agente activo (el mismo modo local vs remoto que usa el resto de la app para mac).
• Las respuestas se entregan al proveedor principal usado por última vez (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

• Active pulsar para hablar, mantenga Cmd+Fn, hable, suelte: la superposición debería mostrar parciales y luego enviar.
• Mientras mantiene presionado, las “orejas” de la barra de menús deben permanecer ampliadas (usa triggerVoiceEars(ttl:nil)); se reducen tras soltar.