Activación por voz y pulsar para hablar

Requisitos

La activación por voz y la función de pulsar para hablar requieren macOS 26 o posterior. En versiones anteriores de macOS, los controles se ocultan de la página de ajustes de voz, que en su lugar muestra el requisito de macOS 26.

Modos

• Modo de palabra de activación (predeterminado): un reconocedor de voz siempre activo espera los términos de activación (swabbleTriggerWords). Cuando detecta uno, inicia la captura, muestra la superposición con el texto parcial y envía automáticamente el contenido después de un período de silencio.
• Pulsar para hablar (mantener pulsada la tecla Option derecha): mantén pulsada la tecla Option derecha para iniciar la captura inmediatamente, sin necesidad de un término de activación. La superposición aparece mientras se mantiene pulsada; al soltarla, finaliza la captura y reenvía el contenido tras una breve pausa para que puedas editar el texto.

Comportamiento en tiempo de ejecución (palabra de activación)

• El reconocedor se encuentra en VoiceWakeRuntime.
• La activación solo se produce cuando hay una pausa perceptible entre la palabra de activación y la siguiente palabra (triggerPauseWindow = 0,55 s). La superposición o el sonido pueden iniciarse durante la pausa, incluso antes de que comience la orden.
• Períodos de silencio: 2,0 s (silenceWindow) cuando el habla continúa; 5,0 s (triggerOnlySilenceWindow) si solo se ha oído el término de activación.
• Límite máximo: 120 s (captureHardStop) para evitar sesiones descontroladas.
• Tiempo de espera entre sesiones: 350 ms (debounceAfterSend) después de un envío.
• La superposición se controla mediante VoiceWakeOverlayController, con colores distintos para el texto confirmado y el provisional.
• Después del envío, el reconocedor se reinicia correctamente para escuchar el siguiente término de activación.

Invariantes del ciclo de vida

• Si la activación por voz está habilitada y se han concedido los permisos, el reconocedor de la palabra de activación permanece escuchando, excepto durante una captura activa de pulsar para hablar.
• Al cerrar la superposición, incluido el cierre manual mediante el botón X, siempre se reanuda el reconocedor: VoiceSessionCoordinator.overlayDidDismiss llama a VoiceWakeRuntime.refresh(state:) en todas las rutas de cierre. Consulta Superposición de voz para obtener información sobre el modelo de sesiones y tokens.

Detalles de pulsar para hablar

• La detección de la tecla de acceso rápido utiliza un monitor global de .flagsChanged para la tecla Option derecha (keyCode 61 + .option). Solo observa los eventos, nunca los intercepta.
• La captura se realiza en VoicePushToTalk: inicia el reconocimiento de voz inmediatamente, transmite los resultados parciales a la superposición y llama a VoiceWakeForwarder al soltar la tecla.
• Al iniciar la función de pulsar para hablar, se pausa el entorno de ejecución de la palabra de activación para evitar capturas de audio simultáneas; se reinicia automáticamente al soltar la tecla.
• Permisos: requiere acceso al micrófono y al reconocimiento de voz; para recibir eventos del teclado se necesita la autorización de accesibilidad o de supervisión de entrada.
• Teclados externos: algunos no exponen la tecla Option derecha como se espera. Ofrece un atajo alternativo si los usuarios informan de que no se detectan las pulsaciones.

Ajustes visibles para el usuario

• Interruptor Activación por voz: habilita el entorno de ejecución de la palabra de activación.
• Mantener pulsada la tecla Option derecha para hablar: habilita el monitor de pulsar para hablar.
• Selectores de idioma y micrófono, un medidor de nivel en tiempo real, una tabla de términos de activación y una herramienta de prueba (solo local, nunca reenvía).
• El selector de micrófono conserva la última selección si se desconecta un dispositivo, muestra una indicación de desconexión y utiliza temporalmente el dispositivo predeterminado del sistema hasta que el dispositivo vuelve a estar disponible.
• Sonidos: reproduce sonidos al detectar el término de activación y al enviar; de forma predeterminada, utiliza el sonido del sistema "Glass" de macOS. Selecciona para cada evento cualquier archivo compatible con NSSound (por ejemplo, MP3/WAV/AIFF) o elige Sin sonido.

Comportamiento del reenvío

• Al reenviar, VoiceWakeForwarder.selectedSessionOptions selecciona la clave de la sesión activa de WebChat si hay una configurada; de lo contrario, selecciona la clave de la sesión principal del Gateway.
• Busca esa sesión mediante sessions.list y obtiene el canal y el destino de entrega a partir del contexto de entrega de la sesión. Si no están disponibles, utiliza su último canal y destino y, después, una clave de sesión analizada. Si no se puede resolver nada, utiliza WebChat de forma predeterminada.
• Si la entrega falla, el error se registra (categoría voicewake.forward) y la ejecución sigue siendo visible mediante WebChat o los registros de la sesión.

Carga útil del reenvío

• VoiceWakeForwarder.prefixedTranscript(_:) antepone a la transcripción una línea de indicación para la máquina (el nombre resuelto del host o, si no está disponible, "este Mac"), compartida por las rutas de la palabra de activación y de pulsar para hablar.

Verificación rápida

• Activa la función de pulsar para hablar, mantén pulsada la tecla Option derecha, habla y suéltala: la superposición debe mostrar los resultados parciales y, después, enviarlos.
• Mientras mantienes pulsada la tecla, las orejas de la barra de menús deben permanecer ampliadas (triggerVoiceEars(ttl: nil)); vuelven a su tamaño normal al soltarla.

Temas relacionados

• Activación por voz
• Superposición de voz
• Aplicación para macOS