​

Livscykel för röstöverlägg (macOS)

​

Nuvarande avsikt

• Om överlagret redan är synligt från wake-word och användaren trycker på snabbtangenten antar snabbtangenten _den befintliga texten istället för att återställa den. Överlagringen stannar upp medan snabbtangenten hålls. När användaren släpper: skicka om det finns klippt text, annars avfärdas inte.
• Enbart väckningsord skickar fortfarande automatiskt vid tystnad; push-to-talk skickar omedelbart vid släpp.

​

Implementerat (9 dec 2025)

• Overlay sessioner nu bära en token per fånga (wake-word eller push-to-talk). Partiell/final/skicka/avfärda/nivåuppdateringar tas bort när token inte stämmer överens med varandra och man undviker inaktuella uppringningar.
• Push-to-talk antar alla synliga överlägg text som ett prefix (så att trycka på snabbtangenten medan vakna överlägg är uppe behåller texten och lägger till nytt tal). Den väntar upp till 1,5 s på en slutlig utskrift innan den faller tillbaka till den aktuella texten.
• Loggning för chime/överlägg emitteras vid info i kategorierna voicewake.overlay, voicewake.ptt och voicewake.chime (sessionsstart, partial, final, send, dismiss, chime-anledning).

​

Nästa steg

1. VoiceSessionCoordinator (actor)
   • Äger exakt en VoiceSession åt gången.
   • API (tokenbaserat): beginWakeCapture, beginPushToTalk, updatePartial, endCapture, cancel, applyCooldown.
   • Släpper callbacks som bär inaktuella token (förhindrar att gamla igenkännare öppnar överlägget igen).
2. VoiceSession (modell)
   • Fält: token, source (wakeWord|pushToTalk), committed/volatile text, chime-flaggor, timers (autosändning, inaktiv), overlayMode (display|editing|sending), cooldown-deadline.
3. Överläggsbindning
   • VoiceSessionPublisher (ObservableObject) speglar den aktiva sessionen till SwiftUI.
   • VoiceWakeOverlayView renderar endast via publiceraren; den muterar aldrig globala singletoner direkt.
   • Användaråtgärder i överlägget (sendNow, dismiss, edit) anropar koordinatorn med sessionstoken.
4. Enhetlig sändningsväg
   • Vid endCapture: om trimmad text är tom → stäng; annars performSend(session:) (spelar sändningschime en gång, vidarebefordrar, stänger).
   • Push-to-talk: ingen fördröjning; väckningsord: valfri fördröjning för autosändning.
   • Tillämpa en kort cooldown på wake-körningen efter att push-to-talk avslutas så att väckningsord inte omedelbart triggar igen.
5. Loggning
   • Koordinatorn emitterar .info-loggar i subsystem bot.molt, kategorierna voicewake.overlay och voicewake.chime.
   • Nyckelhändelser: session_started, adopted_by_push_to_talk, partial, finalized, send, dismiss, cancel, cooldown.

​

Felsökningschecklista

• Strömma loggar medan du återskapar ett klibbigt överlägg:
  sudo log stream --predicate 'subsystem == "bot.molt" AND category CONTAINS "voicewake"' --level info --style compact
  
• Verifiera att endast en aktiv sessionstoken finns; inaktuella callbacks ska släppas av koordinatorn.
• Säkerställ att släpp av push-to-talk alltid anropar endCapture med den aktiva token; om texten är tom, förvänta dismiss utan chime eller sändning.

​

Migreringssteg (föreslaget)

1. Lägg till VoiceSessionCoordinator, VoiceSession och VoiceSessionPublisher.
2. Refaktorera VoiceWakeRuntime så att sessioner skapas/uppdateras/avslutas i stället för att röra VoiceWakeOverlayController direkt.
3. Refaktorera VoicePushToTalk för att ta över befintliga sessioner och anropa endCapture vid släpp; tillämpa runtime-cooldown.
4. Koppla VoiceWakeOverlayController till publiceraren; ta bort direkta anrop från runtime/PTT.
5. Lägg till integrationstester för session-övertagande, cooldown och avstängning vid tom text.