语音唤醒和按住说话

模式

• 唤醒词模式（默认）：始终开启的语音识别器等待触发词（swabbleTriggerWords）。匹配时开始捕获，显示带有部分文本的覆盖层，静默后自动发送。
• 按住说话（Right Option 长按）：按住右 Option 键立即开始捕获——无需触发词。按住期间显示覆盖层；松开后短暂延迟以便修改文本后最终确定并转发。

运行时行为（唤醒词）

• 语音识别器位于 VoiceWakeRuntime 中。
• 仅当唤醒词和下一个词之间有有意义的停顿（约 0.55 秒间隔）时才触发。覆盖层/提示音可以在停顿时开始，甚至在命令开始之前。
• 静默窗口：语音流动时 2.0 秒，仅听到触发词时 5.0 秒。
• 硬停止：120 秒，防止失控会话。
• 会话间去抖动：350 毫秒。
• 覆盖层通过 VoiceWakeOverlayController 驱动，带有 committed/volatile 着色。
• 发送后，识别器干净地重启以监听下一个触发词。

生命周期不变量

• 如果启用了 Voice Wake 且权限已授予，唤醒词识别器应处于监听状态（除了在显式按住说话捕获期间）。
• 覆盖层可见性（包括通过 X 按钮手动关闭）不得阻止识别器恢复。

粘滞覆盖层故障模式（之前的问题）

之前，如果覆盖层卡在可见状态且你手动关闭它，Voice Wake 可能看起来"死了"，因为运行时的重启尝试可能被覆盖层可见性阻止，且没有安排后续重启。

加固措施：

• 唤醒运行时重启不再被覆盖层可见性阻止。
• 覆盖层关闭完成通过 VoiceSessionCoordinator 触发 VoiceWakeRuntime.refresh(...)，因此手动 X 关闭始终恢复监听。

按住说话详细信息

• 快捷键检测使用全局 .flagsChanged 监视器监听右 Option（keyCode 61 + .option）。我们仅观察事件（不拦截）。
• 捕获管道位于 VoicePushToTalk 中：立即启动语音识别，将部分结果流式传输到覆盖层，松开时调用 VoiceWakeForwarder。
• 按住说话开始时暂停唤醒词运行时以避免音频输入冲突；松开后自动重启。
• 权限：需要麦克风 + 语音识别；查看事件需要辅助功能/输入监控批准。
• 外接键盘：某些键盘可能无法按预期暴露右 Option——如果用户报告未检测到，请提供备选快捷键。

用户界面设置

• Voice Wake 开关：启用唤醒词运行时。
• Hold Cmd+Fn to talk：启用按住说话监视器。在 macOS < 26 上禁用。
• 语言和麦克风选择器、实时电平表、触发词表、测试器（仅限本地；不转发）。
• 麦克风选择器在设备断开时保留上次选择，显示断开提示，并临时回退到系统默认设备直到它恢复。
• 声音：触发检测和发送时的提示音；默认为 macOS "Glass" 系统声音。你可以为每个事件选择任何 NSSound 可加载文件（例如 MP3/WAV/AIFF）或选择无声音。

转发行为

• 启用 Voice Wake 时，转录内容转发到活跃的 gateway/agent（与 mac 应用其余部分使用的本地或远程模式相同）。
• 回复投递到最后使用的主要提供商（WhatsApp/Telegram/Discord/WebChat）。如果投递失败，错误会被记录，运行仍然可通过 WebChat/会话日志查看。

转发负载

• VoiceWakeForwarder.prefixedTranscript(_:) 在发送前添加机器提示。在唤醒词和按住说话路径之间共享。

快速验证

• 开启按住说话，按住 Cmd+Fn，说话，松开：覆盖层应显示部分内容然后发送。
• 按住期间，菜单栏耳朵应保持放大（使用 triggerVoiceEars(ttl:nil)）；松开后恢复。