跳到主要内容

语音叠加生命周期 (macOS)

受众：macOS 应用贡献者。目标：在唤醒词和按键通话重叠时保持语音叠加层可预测。

当前意图​

  • 如果叠加层已从唤醒词显示，用户按下热键，热键会话采用现有文本而不是重置它。叠加层在按下热键时保持显示。当用户释放时：如果有修剪后的文本则发送，否则关闭。
  • 唤醒词仍然在静音时自动发送；按键通话在释放时立即发送。

已实现 (2025年12月9日)​

  • 叠加层会话现在为每次捕获携带一个令牌（唤醒词或按键通话）。当令牌不匹配时，部分/最终/发送/关闭/级别更新会被丢弃，避免陈旧回调。
  • 按键通话采用任何可见的叠加层文本作为前缀（因此在唤醒叠加层显示时按下热键会保留文本并追加新语音）。它最多等待1.5秒获取最终转录，然后再回退到当前文本。
  • 哨声/叠加层日志在类别 voicewake.overlay、voicewake.ptt 和 voicewake.chime 中以 info 级别发出（会话开始、部分、最终、发送、关闭、哨声原因）。

下一步​

  1. VoiceSessionCoordinator (actor)
    • 一次只拥有一个 VoiceSession。
    • API（基于令牌）：beginWakeCapture、beginPushToTalk、updatePartial、endCapture、cancel、applyCooldown。
    • 丢弃携带陈旧令牌的回调（防止旧识别器重新打开叠加层）。
  2. VoiceSession (模型)
    • 字段：token、source（唤醒词|按键通话）、已提交/临时文本、哨声标志、计时器（自动发送、空闲）、overlayMode（显示|编辑|发送）、冷却截止时间。
  3. 叠加层绑定
    • VoiceSessionPublisher（ObservableObject）将活动会话镜像到 SwiftUI。
    • VoiceWakeOverlayView 仅通过发布者渲染；它永远不会直接改变全局单例。
    • 叠加层用户操作（sendNow、dismiss、edit）使用会话令牌回调到协调器。
  4. 统一发送路径
    • 在 endCapture 时：如果修剪后的文本为空 → 关闭；否则 performSend(session:)（播放发送哨声一次，转发，关闭）。
    • 按键通话：无延迟；唤醒词：自动发送的可选延迟。
    • 在按键通话完成后对唤醒运行时应用短暂冷却，以免唤醒词立即重新触发。
  5. 日志记录
    • 协调器在子系统 bot.molt 中发出 .info 日志，类别为 voicewake.overlay 和 voicewake.chime。
    • 关键事件：session_started、adopted_by_push_to_talk、partial、finalized、send、dismiss、cancel、cooldown。

调试清单​

  • 在重现粘滞叠加层时流式传输日志：

    sudo log stream --predicate 'subsystem == "bot.molt" AND category CONTAINS "voicewake"' --level info --style compact

  • 验证只有一个活动会话令牌；陈旧回调应被协调器丢弃。

  • 确保按键通话释放总是使用活动令牌调用 endCapture；如果文本为空，期望 dismiss 且无哨声或发送。

迁移步骤（建议）​

  1. 添加 VoiceSessionCoordinator、VoiceSession 和 VoiceSessionPublisher。
  2. 重构 VoiceWakeRuntime 以创建/更新/结束会话，而不是直接触摸 VoiceWakeOverlayController。
  3. 重构 VoicePushToTalk 以采用现有会话并在释放时调用 endCapture；应用运行时冷却。
  4. 将 VoiceWakeOverlayController 连接到发布者；移除来自运行时/PTT 的直接调用。
  5. 为会话采用、冷却和空文本关闭添加集成测试。