fix(voice): PTT 改为主交互——按住说话松开发送(修 PTT 形同虚设的 bug)

VAD 自动断句在真实环境不够稳(环境音/停顿都会误触发),改回按住说话。

修掉 PTT 之前根本不生效的三处：
- keydown 里 `if (!c) return`——用户没先点过麦克风按钮时 clientRef 为 null,
  按空格什么都不发生。改为懒建客户端(keydown 本身就是用户手势,可启 AudioContext)
- 被 `!inConversation()` 挡着:一旦点过麦进了连续对话,PTT 永久失效。改为 PTT 优先,
  必要时先退出对话模式
- 缺 e.repeat 守卫:按住不放会连发 keydown

交互统一为一套 PTT 语义:
- 按住空格 / 按住麦克风按钮(pointer 事件,覆盖鼠标触控) → 说话,松开发送
- 朗读中按按钮 = 打断
- 指针滑出/取消/窗口失焦都算松开,不会卡在录音态
- 录音中按钮变红缩小 + 电平条 + 呼吸环,一眼可见"正在听"

顺带:松开后标签改为"已停止收音"(准确说法——麦克风硬件仍开着以便快速重按,
只是不再上传音频,门控在 shouldSendMic);删掉已无人使用的 micTapAction 及其单测。

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

sundynix-desktop/frontend/src/lib/voice.test.ts

@@ -1,5 +1,5 @@
 import { describe, expect, it } from "vitest";
-import { micTapAction, nextAfterDrain, shouldSendMic, type VoiceState } from "./voice";
+import { nextAfterDrain, shouldSendMic, type VoiceState } from "./voice";
 
 // 连续对话的纯决策函数：状态门控 / 播完去向 / 点按语义。
 // VoiceClient 本体依赖 WebSocket/AudioContext（jsdom 难直测），决策逻辑抽纯函数在这测。
@@ -27,22 +27,3 @@ describe("nextAfterDrain 播完去向", () => {
   });
 });
 
-describe("micTapAction 点按语义（对话开关）", () => {
-  it("聆听中点 → 退出对话", () => {
-    expect(micTapAction("listening", true)).toBe("stop");
-    expect(micTapAction("listening", false)).toBe("stop");
-  });
-
-  it("朗读中点（对话里）→ 打断但留在对话", () => {
-    expect(micTapAction("speaking", true)).toBe("interrupt");
-  });
-
-  it("朗读中点（非对话）→ 开始对话（startConversation 内部先打断）", () => {
-    expect(micTapAction("speaking", false)).toBe("start");
-  });
-
-  it.each<VoiceState>(["idle", "ready", "connecting", "thinking"])("%s 态点 → 开始对话", (s) => {
-    expect(micTapAction(s, false)).toBe("start");
-    expect(micTapAction(s, true)).toBe("start");
-  });
-});

sundynix-desktop/frontend/src/lib/voice.ts

@@ -34,15 +34,6 @@ export function nextAfterDrain(conversation: boolean): VoiceState {
   return conversation ? "listening" : "ready";
 }
 
-// micTapAction：点按麦克风的语义（对话开关）。
-// 聆听中点 → 退出对话；朗读中点（在对话里）→ 打断但留在对话；其余 → 开始对话。
-export type MicTapAction = "start" | "stop" | "interrupt";
-export function micTapAction(state: VoiceState, inConversation: boolean): MicTapAction {
-  if (state === "listening") return "stop";
-  if (state === "speaking" && inConversation) return "interrupt";
-  return "start";
-}
-
 // 健壮性定时器时长（仅对话模式生效）
 const IDLE_EXIT_MS = 30_000; // 聆听空转：30s 无任何转写 → 自动退出对话（防 ASR 长连接白烧计费）
 const THINK_WATCHDOG_MS = 90_000; // 思考看门狗：final 后 90s 没等到朗读 → 回聆听继续对话

sundynix-desktop/frontend/src/shell/JarvisHud.tsx

@@ -13,7 +13,9 @@ interface Props {
   transcript: string;
   reply: string;
   hint: string;
-  onMic: () => void;
+  // 按住说话（与语音坞/空格键同一套 PTT 语义）：按下开始听、松开发送。
+  onPttDown: () => void;
+  onPttUp: () => void;
   onClose: () => void;
 }
 
@@ -30,7 +32,7 @@ const CONF: Record<VoiceState, Conf> = {
 };
 const GLYPH = "ABCDEFGHJKLMNPQRSTUVWXYZ0123456789#%@*<>/\\";
 
-export function JarvisHud({ name, state, getLevel, transcript, reply, hint, onMic, onClose }: Props) {
+export function JarvisHud({ name, state, getLevel, transcript, reply, hint, onPttDown, onPttUp, onClose }: Props) {
   const canvasRef = useRef<HTMLCanvasElement>(null);
   const decRef = useRef<HTMLSpanElement>(null);
   const sigRef = useRef<HTMLElement>(null);
@@ -210,7 +212,15 @@ export function JarvisHud({ name, state, getLevel, transcript, reply, hint, onMi
         <X className="h-4 w-4" /> ESC
       </button>
 
-      <button className="jhud-core" onClick={onMic} aria-label={hint} title={hint} />
+      <button
+        className="jhud-core"
+        onPointerDown={(e) => { e.preventDefault(); onPttDown(); }}
+        onPointerUp={onPttUp}
+        onPointerLeave={onPttUp}
+        onPointerCancel={onPttUp}
+        aria-label={hint}
+        title={hint}
+      />
       <div className={"jhud-word" + (amber ? " amber" : state === "listening" ? " live" : "")}>{hint}</div>
 
       <div className="jhud-decode">

sundynix-desktop/frontend/src/shell/VoiceDock.tsx

@@ -1,13 +1,14 @@
 import { useCallback, useEffect, useRef, useState } from "react";
 import { ExternalLink, Loader2, Mic, MicOff, Settings2, Maximize2, Volume2, X } from "lucide-react";
-import { VoiceClient, micTapAction, type VoiceState } from "../lib/voice";
+import { VoiceClient, type VoiceState } from "../lib/voice";
 import { JarvisSettings } from "./JarvisSettings";
 import { JarvisHud } from "./JarvisHud";
 import { getMyJarvis } from "../lib/api";
 import { useToast } from "../ui/Toast";
 import { cn } from "../ui/cn";
 
-// JARVIS 语音坞：右下角悬浮麦克风，连续对话模式（点一次进对话，VAD 自动断句、答完自动重听）。
+// JARVIS 语音坞：右下角悬浮麦克风。**按住说话、松开发送(PTT)**——按住空格或按住按钮均可。
+// VAD 自动断句在真实环境不够稳(环境音/停顿误触发)，故不再默认进连续对话模式。
 // 气泡是「迷你对话流」——保留最近几轮，旧轮淡化，新轮追加（不清屏丢上下文）。
 // onTask 不再每轮强制跳运行页（连续对话会被拽走）：任务收进对话流里的芯片，点击才跳。
 
@@ -30,18 +31,18 @@ const KEEP_TURNS = 3; // 对话流保留最近几轮（含当前轮）
 // pttActive 时显示"松开发送"替代默认聆听提示。
 function hintText(state: VoiceState, name: string, idleLeft: number | null, ptt?: boolean): string {
   if (idleLeft !== null) return `${idleLeft}s 后自动退出 · 说话取消`;
-  if (ptt && state === "listening") return "按住说话中 · 松开发送";
+  if (ptt) return "正在听 · 松开发送";
   switch (state) {
     case "connecting":
       return "连接中…";
     case "listening":
-      return "聆听中 · 说完自动发送 · 点击退出";
+      return "聆听中…";
     case "thinking":
       return `${name} 正在思考`;
     case "speaking":
       return "朗读中 · 点击打断";
     default:
-      return "点击开始对话 · 空格键按住说话";
+      return "按住空格 或 按住这里说话";
   }
 }
 
@@ -185,7 +186,8 @@ export function VoiceDock({ onTask, onNavigate }: Props) {
     return () => window.removeEventListener("keydown", onKey);
   }, [fullscreen]);
 
-  // PTT：按住空格语音输入，松开发送（不在对话模式时生效）。
+  // PTT：按住空格说话，松开发送——**这是默认且主要的交互方式**。
+  // VAD 自动断句在真实环境里不够稳（环境音/停顿都会误触发），所以不再自动进连续对话。
   useEffect(() => {
     const onKeyDown = (e: KeyboardEvent) => {
       if (e.key !== " " && e.code !== "Space") return;
@@ -193,9 +195,14 @@ export function VoiceDock({ onTask, onNavigate }: Props) {
       const tag = (e.target as HTMLElement).tagName;
       if (tag === "INPUT" || tag === "TEXTAREA" || (e.target as HTMLElement).isContentEditable) return;
       e.preventDefault();
+      if (e.repeat) return; // 按住不放会连发 keydown，只认第一次
 
-      const c = clientRef.current;
+      // 关键：懒建客户端。此前这里是 `if (!c) return`——用户没先点过麦克风按钮时
-      if (!c || c.inConversation() || c.getState() === "listening") return;
+      // clientRef 为 null，按空格**什么都不会发生**（PTT 形同虚设）。
+      // keydown 本身就是用户手势，可以合法启动 AudioContext。
+      const c = ensureClient();
+      if (pttRef.current || c.getState() === "listening") return;
+      if (c.inConversation()) c.stopConversation(); // 如果之前进了连续对话，PTT 优先，先退出
 
       pttRef.current = true;
       setPttActive(true);
@@ -238,30 +245,37 @@ export function VoiceDock({ onTask, onNavigate }: Props) {
         if (c && c.getState() === "listening") c.stopPTT();
       }
     };
-  }, [toast]);
+  }, [ensureClient, toast]);
 
-  // 点按语义 = 对话开关：待命点 → 进入连续对话；聆听中点 → 退出；朗读中点 → 打断但留在对话。
+  // 麦克风按钮 = 按住说话（与空格键同义）。按下开始听、松开发送——
-  const onMic = useCallback(async () => {
+  // 和 PTT 统一，别让按钮和空格键两套语义打架。
+  const pttDown = useCallback(() => {
     const c = ensureClient();
-    try {
+    if (pttRef.current || c.getState() === "listening") return;
-      switch (micTapAction(state, c.inConversation())) {
+    if (c.inConversation()) c.stopConversation();
-        case "stop":
+    pttRef.current = true;
-          c.stopConversation();
+    setPttActive(true);
-          break;
+    setOpen(true);
-        case "interrupt":
+    c.startListening().catch((err: unknown) => {
-          c.interruptAndListen();
+      pttRef.current = false;
-          break;
+      setPttActive(false);
-        case "start":
+      toast.push("error", (err as Error).message || "麦克风启动失败（检查权限）");
-          setOpen(true); // 清屏交给 onTurnStart（startConversation 里触发）
+    });
-          await c.startConversation();
+  }, [ensureClient, toast]);
-          break;
+
-      }
+  const pttUp = useCallback(() => {
-    } catch (e) {
+    if (!pttRef.current) return;
-      toast.push("error", (e as Error).message || "麦克风启动失败（检查权限）");
+    pttRef.current = false;
-    } finally {
+    setPttActive(false);
-      setConv(clientRef.current?.inConversation() ?? false);
+    const c = clientRef.current;
-    }
+    if (c && c.getState() === "listening") c.stopPTT();
-  }, [ensureClient, state, toast]);
+  }, []);
+
+  // 朗读中点一下 = 打断（此时不进入录音，只是掐掉 TTS）。
+  const onInterrupt = useCallback(() => {
+    const c = clientRef.current;
+    if (c && c.getState() === "speaking") c.bargeIn();
+  }, []);
 
   // 进全屏 JARVIS 模式：建好客户端（HUD 读实时电平），刷一次助手名。
   const openFullscreen = useCallback(() => {
@@ -275,7 +289,8 @@ export function VoiceDock({ onTask, onNavigate }: Props) {
   const busy = state === "connecting";
   const hint = hintText(state, name, idleLeft, pttActive);
   const visibleTurns = turns.filter((t) => t.me || t.ai || t.taskId);
-  const ringDur = conv ? RING_DUR[state] : undefined;
+  // 呼吸环:PTT 录音中、思考中、朗读中都亮(只变节奏);待命时熄灭。
+  const ringDur = pttActive ? RING_DUR.listening : RING_DUR[state];
   // 倒计时环：SVG 周长 182.2（r=29），剩余秒数映射到 dashoffset（收缩）。
   const cdOffset = idleLeft !== null ? (182.2 * (10 - idleLeft)) / 10 : 0;
 
@@ -351,25 +366,38 @@ export function VoiceDock({ onTask, onNavigate }: Props) {
 
       {/* 电平/静默指示 + 麦克风按钮 */}
       <div className="pointer-events-auto flex items-center gap-2.5">
-        {conv && (state === "listening" || state === "speaking") && (
+        {(pttActive || state === "speaking") && (
           <VuBars getLevel={() => clientRef.current?.level() ?? 0} active />
         )}
-        {conv && state === "thinking" && (
+        {state === "thinking" && (
           <span className="flex items-center gap-1 rounded-full bg-ink-900/80 px-2.5 py-1 text-[10px] text-slate-400">
             <MicOff className="h-3 w-3" />
-            麦克风已静默
+            已停止收音
           </span>
         )}
         <button
-          onClick={onMic}
+          // 按住说话：pointer 事件覆盖鼠标/触控/触控笔；朗读中按一下则是打断。
+          onPointerDown={(e) => {
+            e.preventDefault();
+            if (state === "speaking") {
+              onInterrupt();
+              return;
+            }
+            pttDown();
+          }}
+          onPointerUp={pttUp}
+          onPointerLeave={pttUp} // 按住时指针滑出按钮也算松开，别卡在录音态
+          onPointerCancel={pttUp}
           title={hint}
           aria-label={hint}
           className={cn(
-            "relative flex h-14 w-14 items-center justify-center rounded-full shadow-xl transition",
+            "relative flex h-14 w-14 select-none items-center justify-center rounded-full shadow-xl transition",
             "focus:outline-none focus-visible:ring-2 focus-visible:ring-brand/60",
-            conv && state === "thinking"
+            pttActive
-              ? "bg-ink-800 text-accent-400"
+              ? "scale-95 bg-danger text-white" // 录音中：红 + 缩，一眼可见"正在听"
-              : "bg-brand text-white hover:bg-brand-500 active:scale-95",
+              : state === "thinking"
+                ? "bg-ink-800 text-accent-400"
+                : "bg-brand text-white hover:bg-brand-500",
           )}
         >
           {/* 呼吸环：对话进行中常亮（三种状态只变节奏）——环在=点击是退出/打断，环灭=点击是开始 */}
@@ -420,7 +448,8 @@ export function VoiceDock({ onTask, onNavigate }: Props) {
         transcript={visibleTurns[visibleTurns.length - 1]?.me ?? ""}
         reply={visibleTurns[visibleTurns.length - 1]?.ai ?? ""}
         hint={hint}
-        onMic={onMic}
+        onPttDown={pttDown}
+        onPttUp={pttUp}
         onClose={() => setFullscreen(false)}
       />
     )}