語音輸入

語音轉文字編輯的是訊息輸入框（composer）裡的草稿。它不會送出一個 agent turn。音訊是 client 端暫時性的輸入，只有一般的訊息送出動作才會把轉出來的文字送出去。目前的實作是在支援的 iOS 裝置上於本機進行轉錄；由 environment 支援的轉錄尚未實作。

共用的 controller 擁有整個操作，client 則提供錄音和轉錄。準備階段會把 transcriber 和解析出來的語系（locale）綁定在整段錄音上。草稿的歸屬、文字和 revision 會在錄音之前先記下來，並在插入之前再檢查一次，所以晚到的轉錄結果不會蓋掉一份已經被編輯或換掉的草稿。

取消會立刻讓結果失效，但資源會一直被持有，直到底層的工作塵埃落定為止。Apple 的原生轉錄呼叫一旦開始就無法中斷。如果在 abort signal 觸發的當下就釋放 session 或刪除錄音，會和那項工作互相競爭。因此轉錄合約要求實作必須在自己的工作停止之後才能 settle；Apple binding 會在原生呼叫之間檢查取消狀態，並丟棄晚到的結果。

本頁譯自 docs/internals/voice-input.md（英文原文，版本 55e3007）。標示「本站補充」的區塊不在原文裡。