目标：“听写会话”模型

Unser Ziel（德语）：Die “Diktier-Sitzung”

Ein einziger Trigger startet eine “Diktier-Sitzung”，die aus drei Phasen besteht：

  1. 开始阶段（Warten auf Sprache）：

  • Nach dem 触发系统。

  • Wenn keine Spracheingabe erfolgt, endet die gesamte Sitzung nach PRE_RECORDING_TIMEOUT (z.B. 12s)。

  1. 活动阶段（Kontinuierliches Diktieren）：

  • Sobald die erste Spracheingabe erkannt wrd, wechselt die Sitzung in den aktiven Modus。

  • 在 VOSK eine Sprechpause erkennt 和 einen Textblock liefert (z.B. einen Satz) 中，wird dieser Block sofort zur Verarbeitung（LanguageTool 等） weitergegeben 和 als Text ausgegeben。

  • Die Aufnahme läuft währenddessen nahtlos weiter。 Die Sitzung wartet auf den nächsten Satz。

  1. 结束阶段（Ende der Sitzung）：

  • Die gesamte Sitzung endet nur, wenn eine dieser beiden Bedingungen erfüllt ist:

  • Der Nutzer bleibt für die Dauer des SPEECH_PAUSE_TIMEOUT (z.B. 1-2s) 仍然完成。

  • Der Nutzer stoppt die Sitzung manuell per Trigger。

Zusammengefast： Eine Sitzung，viele sofortige Textausgaben。启动后，Nutzer 会暂停并暂停。

目标：“听写会话”模型

单个触发器启动**“听写会话”**，它由三个阶段组成：

  1. 启动阶段（等待发言）：

  • 触发后，系统开始监听。

  • 如果未检测到语音，整个会话将在“PRE_RECORDING_TIMEOUT”（例如 12 秒）后终止。

  1. 活动阶段（连续听写）：

  • 一旦检测到第一个语音输入，会话就会切换到活动模式。

  • 每当 VOSK 检测到暂停并传送文本块（例如，句子）时，该块就会立即传递到处理管道（LanguageTool 等）并作为文本输出。

  • 录音在后台无缝继续，等待下一句话。

  1. 终止阶段（结束会话）：

  • 仅当满足两个条件之一时整个会话才会终止：

  • 用户在“SPEECH_PAUSE_TIMEOUT”期间（例如 1-2 秒）保持完全沉默。

  • 用户通过触发器手动停止会话。 简而言之： 一次会话，多个即时文本输出。会话保持活动状态，直到用户长时间暂停或手动终止它。