Skip to main content

语音唤醒与按住说话

要求

语音唤醒和按键通话需要 macOS 26 或更新版本。在较旧的 macOS 上,这些控件会从“语音”设置页面中隐藏,页面会改为显示 macOS 26 的要求。 语音唤醒要求 Apple Speech 为所选语言支持设备端识别。当该仅本地模式的约束不可用时,应用会拒绝启动被动唤醒词监听;它绝不会回退到网络识别。按键通话、对话模式和快速聊天听写都是用户的显式操作,并且可以使用 Apple Speech 网络服务以支持更广泛的语言覆盖。

模式

  • 唤醒词模式(默认):始终开启、在设备端运行的语音识别器会等待触发词(swabbleTriggerWords)。匹配后,它会开始捕获,显示带有部分文本的浮层,并在静音后自动发送。
  • 按键通话(按住右侧 Option 键):按住右侧 Option 键即可立即开始捕获,无需触发词。按住时会显示浮层;松开后会完成识别,并在短暂延迟后转发,这样你可以编辑文本。

运行时行为(唤醒词)

  • 识别器位于 VoiceWakeRuntime 中。
  • 只有在唤醒词与下一个词之间存在有意义的停顿时才会触发(triggerPauseWindow = 0.55s)。覆盖层/提示音可以在停顿期间启动,甚至早于命令开始。
  • 静音窗口:当语音持续流动时为 2.0s(silenceWindow),如果只听到了触发词则为 5.0s(triggerOnlySilenceWindow)。
  • 硬性停止:120s(captureHardStop),用于防止会话失控持续。
  • 会话之间的防抖:发送后等待 350ms(debounceAfterSend)。
  • 覆盖层通过 VoiceWakeOverlayController 驱动,并采用已提交/临时文本着色。
  • 发送后,识别器会干净地重启,以继续监听下一个触发词。

生命周期不变量

  • 如果启用了 Voice Wake 且已授予权限,唤醒词识别器会一直保持监听状态,除非正在进行按住说话采集。
  • 关闭覆盖层(包括通过 X 按钮手动关闭)后,识别器总会恢复:VoiceSessionCoordinator.overlayDidDismiss 会在每条关闭路径上调用 VoiceWakeRuntime.refresh(state:)。有关会话/令牌模型,请参见 语音覆盖层

按住说话细节

  • 热键检测使用全局 .flagsChanged 监视器监听右 Option(keyCode 61 + .option)。它只观察事件,不会吞掉它们。
  • 捕获逻辑位于 VoicePushToTalk 中:立即启动 Speech,将部分结果流式传递给覆盖层,并在松开时调用 VoiceWakeForwarder
  • 开始按住说话会暂停唤醒词运行时,以避免音频输入冲突;松开后会自动重启。
  • 权限:需要麦克风 + Speech;接收按键事件还需要辅助功能/输入监控授权。
  • 外接键盘:某些键盘不会如预期暴露右 Option。若用户反馈漏检,请提供备用快捷键。

面向用户的设置

  • Voice Wake 开关:启用唤醒词运行时。
  • 按住右侧 Option 键说话:启用按键说话监视器。
  • 如果所选语言在这台 Mac 上缺少设备端识别,Voice Wake 将保持禁用状态,而按键说话和 Talk Mode 仍可用。
  • 语言和麦克风选择器、实时电平表、触发词表,以及一个测试器(仅本地,绝不转发)。
  • 如果麦克风设备断开连接,麦克风选择器会保留上次选择,显示断开提示,并在其恢复前临时回退到系统默认。
  • 声音:在检测到触发词和发送时播放提示音,默认使用 macOS 的“Glass”系统声音。每个事件都可选择任何可由 NSSound 加载的文件(例如 MP3/WAV/AIFF),或者选择 No Sound

转发行为

  • 在转发时,VoiceWakeForwarder.selectedSessionOptions 会优先选择当前活跃的 WebChat 会话键(如果已设置),否则使用网关的主会话键。
  • 它会通过 sessions.list 查找该会话,并根据会话的投递上下文推导投递通道和目标(先回退到其上一个通道/目标,再回退到解析后的会话键),如果都无法解析,则默认使用 WebChat。
  • 如果投递失败,错误会被记录到(voicewake.forward 分类),并且该运行仍可通过 WebChat/会话日志查看。

转发载荷

  • VoiceWakeForwarder.prefixedTranscript(_:) 会在转录内容前添加一行机器提示(解析到的主机名,若失败则回退为“这台 Mac”),该行为在唤醒词和按键通话路径之间共享。

快速验证

  • 打开按住说话,按住右 Option 键,说话后松开:覆盖层应先显示部分识别结果,然后发送。
  • 按住期间,菜单栏耳朵应保持放大(triggerVoiceEars(ttl: nil));松开后会恢复。

相关