​

Ativação por Voz & Push-to-Talk

​

Modos

• Modo de palavra de ativação (padrão): o reconhecedor de fala sempre ativo aguarda tokens de disparo (swabbleTriggerWords). Ao corresponder, inicia a captura, mostra a sobreposição com texto parcial e envia automaticamente após silêncio.
• Push-to-talk (segurar Option direita): segure a tecla Option direita para capturar imediatamente — sem gatilho. A sobreposição aparece enquanto estiver pressionada; ao soltar, finaliza e encaminha após um curto atraso para que você possa ajustar o texto.

​

Comportamento em tempo de execução (palavra de ativação)

• O reconhecedor de fala vive em VoiceWakeRuntime.
• O gatilho só dispara quando há uma pausa significativa entre a palavra de ativação e a próxima palavra (~0,55s de intervalo). A sobreposição/som pode começar na pausa, mesmo antes do comando iniciar.
• Janelas de silêncio: 2,0s quando a fala está fluindo, 5,0s se apenas o gatilho foi ouvido.
• Parada rígida: 120s para evitar sessões fora de controle.
• Debounce entre sessões: 350ms.
• A sobreposição é dirigida via VoiceWakeOverlayController com coloração de texto confirmado/volátil.
• Após o envio, o reconhecedor reinicia de forma limpa para ouvir o próximo gatilho.

​

Invariantes do ciclo de vida

• Se a Ativação por Voz estiver habilitada e as permissões concedidas, o reconhecedor da palavra de ativação deve estar escutando (exceto durante uma captura explícita de push-to-talk).
• A visibilidade da sobreposição (incluindo o fechamento manual pelo botão X) nunca deve impedir que o reconhecedor retome.

​

Modo de falha da sobreposição “grudada” (anterior)

• O reinício do runtime de ativação não é mais bloqueado pela visibilidade da sobreposição.
• A conclusão do fechamento da sobreposição dispara um VoiceWakeRuntime.refresh(...) via VoiceSessionCoordinator, para que o X manual sempre retome a escuta.

​

Especificidades do push-to-talk

• A detecção de atalho usa um monitor global .flagsChanged para Option direita (keyCode 61 + .option). Apenas observamos eventos (sem engolir).
• O pipeline de captura vive em VoicePushToTalk: inicia o reconhecimento imediatamente, transmite parciais para a sobreposição e chama VoiceWakeForwarder ao soltar.
• Quando o push-to-talk começa, pausamos o runtime de palavra de ativação para evitar taps de áudio concorrentes; ele reinicia automaticamente após a liberação.
• Permissões: requer Microfone + Fala; para ver eventos é necessária aprovação de Acessibilidade/Monitoramento de Entrada.
• Teclados externos: alguns podem não expor a Option direita como esperado — ofereça um atalho alternativo se os usuários relatarem falhas.

​

Configurações voltadas ao usuário

• Alternância Ativação por Voz: habilita o runtime de palavra de ativação.
• Segurar Cmd+Fn para falar: habilita o monitor de push-to-talk. Desativado no macOS < 26.
• Seletores de idioma e microfone, medidor de nível ao vivo, tabela de palavras de gatilho, testador (apenas local; não encaminha).
• O seletor de microfone preserva a última seleção se um dispositivo se desconectar, mostra um aviso de desconexão e recorre temporariamente ao padrão do sistema até ele retornar.
• Sons: toques ao detectar o gatilho e ao enviar; padrão é o som de sistema “Glass” do macOS. 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, as transcrições são encaminhadas ao gateway/agente ativo (o mesmo modo local vs remoto usado pelo restante do app para mac).
• As respostas são entregues ao provedor principal usado por último (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(_:) antepõe a dica da máquina antes do envio. Compartilhado entre os caminhos de palavra de ativação e push-to-talk.

​

Verificação rápida

• Ative o push-to-talk, segure Cmd+Fn, fale, solte: a sobreposição deve mostrar parciais e então enviar.
• Enquanto segura, as orelhas da barra de menus devem permanecer ampliadas (usa triggerVoiceEars(ttl:nil)); elas diminuem após soltar.