Voice Master

Heartbeat.tick() pergunta ao host se o reconhecimento está em execução. Quando não está, regista o momento da morte e espera um período de tolerância de 1.5 s antes de chamar onRevive(), para que um ciclo normal de paragem/arranque dentro do Chrome não seja perturbado.

Só um revive está em curso de cada vez. Se onstart não chegar em 3 s, o revive pendente é descartado e começa um novo período de tolerância de 1.5 s antes da tentativa seguinte. A flag recognizing é definida apenas por onstart através de noteEngineUp(), nunca de forma otimista, de modo que um start() falhado (InvalidStateError) não pode fazer o watchdog acreditar que o motor está ativo.

O watchdog guarda a hora de início da subsessão ativa atual. Após sessionMaxMs (270000 ms, definido em speech.js) chama refreshSession(), que primeiro entrega a transcrição final acumulada e a última frase provisória ao campo de destino, e só depois pára o motor. end() vê que a paragem não foi manual e devolve sem finalizar; os ticks seguintes reanimam uma sessão nova.

O intervalo é escolhido para cair antes do limite de aproximadamente cinco minutos que o autor observou no Chrome (indicado nos comentários do código), de modo que o reinício acontece num momento que a extensão controla, em vez de um que o Chrome escolhe.

onend dispara para qualquer tipo de paragem, pelo que end() não os consegue distinguir sozinho. O host mantém duas flags: manualStop é definida apenas pela paragem do utilizador (botão, atalho, fecho do painel), fatalError apenas pelos erros audio-capture e not-allowed. O watchdog e reviveRecognition() verificam ambas e ficam inativos quando qualquer uma está definida; todos os outros erros, como no-speech, deixam a sessão para ser reanimada.

Para not-allowed, o handler compara a hora do erro com a hora do clique: um erro em menos de 100 ms significa que a permissão está bloqueada por política, um mais tardio significa que o utilizador negou o pedido, e o painel mostra uma mensagem diferente para cada caso.

RecognitionEngine possui apenas o objeto webkitSpeechRecognition (contínuo, resultados provisórios, 5 alternativas) e analisa os resultados em finalText, interimText e hadFinal. start() deixa de propósito InvalidStateError propagar-se para que quem chama decida se volta a tentar.

As flags, a acumulação e as decisões de reinício vivem em speech.js, e a política de tempos vive em Heartbeat. As três partes comunicam por pequenas interfaces de callbacks (isRecognizing, onRevive, onRefresh, onSilence), de modo que o watchdog pode ser afinado sem tocar no código de reconhecimento.

Para input e textarea, o valor é emendado entre selectionStart e selectionEnd e o cursor é movido para depois do novo texto, de modo que um fragmento selecionado é substituído pelo ditado. Para contenteditable usa execCommand('insertText'), que também substitui a seleção atual e deixa o editor ver uma edição normal. Para o TinyMCE chama o próprio comando mceInsertContent do editor.

O TinyMCE inicializa tarde, pelo que o hook de foco para ele é anexado após um atraso e, se mais nada tinha ainda foco, o editor ativo recebe foco e passa a ser seguido.

Um listener de foco na fase de captura no document regista cada elemento elegível numa lista com o mais recente no fim, de modo que, quando o utilizador clica no painel, o destino da inserção continua a ser o último campo em que esteve.

O botão de iniciar cancela mousedown e os selects de idioma cancelam mouseup, pelo que premi-los não tira o foco ao campo. O painel arrastável ignora o tratamento de arrastar em inputs, botões e ligações, para que mantenham o foco e o clique normais.

Os resultados finais acumulam-se em finalTranscript. O texto provisório vai para um painel de pré-visualização arrastável separado e é lembrado como prev_text; quando chega uma atualização com a parte provisória vazia, buffer() entrega a frase lembrada ao campo e limpa a pré-visualização.

O span final só é desenhado de novo quando chegou um novo resultado final, o que mantém baixo o trabalho no DOM durante um ditado longo.

O corretor do lado da página só constrói o prompt. O pedido viaja através do content script até ao service worker, que é dono do fetch. host_permissions em manifest.json cobrem api.openai.com, api.anthropic.com, api.deepseek.com e generativelanguage.googleapis.com.

O listener onMessage do worker devolve true para manter o canal aberto para a resposta assíncrona.

AI_PROVIDERS descreve cada API de forma declarativa: cabeçalho Bearer para a OpenAI e a DeepSeek, x-api-key mais cabeçalhos de versão para a Anthropic, x-goog-api-key para o Gemini, e o caminho até ao texto em cada resposta. aiCorrect() é igual para todos.

Uma chave vazia devolve o código 'no_key' em vez de um erro, o que permite a quem chama recorrer ao texto bruto em silêncio. O Gemini foi acrescentado como quarto fornecedor por uma entrada da tabela mais uma permissão de host no manifesto.

LiveImprover.push() acrescenta cada fragmento a uma única cadeia de promises, de modo que o fragmento N+1 só é enviado depois de o fragmento N ter sido inserido. Cada chamada compete com um timeout de 20 s. Em caso de falha ou timeout, o texto original é inserido, pelo que a fala ditada nunca se perde.

Os modelos devolvem texto aparado, pelo que keepSpacing() restaura os espaços iniciais e finais originais do fragmento para impedir que fragmentos consecutivos se colem. Sem chave, a fila comunica o código 'no_key' e a interface fica em silêncio, como se o modo live estivesse desligado.

O código do painel corre como script de módulo na página e não tem APIs chrome.*. GptCorrector.improve() atribui um id de sequência, guarda o resolver num Map e despacha stt_ai_correct_request. O content script reencaminha-o para o worker e responde com stt_ai_correct_response com o mesmo id, que resolve exatamente uma promise pendente.

O prompt corr_and_return declara que o texto veio de um reconhecedor de fala imperfeito, pede ao modelo que substitua as palavras mal reconhecidas pelo que o falante provavelmente quis dizer, mantenha o idioma e o sentido, não acrescente nada e devolva apenas o texto. Está traduzido para todos os locales da interface.

No painel de ditado, o texto melhorado substitui o conteúdo da textarea através de execCommand('insertText'), pelo que Ctrl+Z restaura a versão original.

sttCryptoKey() gera o segredo uma vez, guarda-o e importa-o como uma CryptoKey não extraível. Os valores cifrados levam um prefixo de versão (stt1:) seguido de IV e texto cifrado em base64.

A cifragem corre no service worker porque este é sempre um contexto seguro com crypto.subtle, enquanto um content script numa página http simples não é. O comentário do código é explícito: isto é proteção em repouso contra leitura casual, não contra quem tem todo o perfil do navegador.

sttPublicCfg() é a única forma que passa para a página: fornecedor, flag live, um booleano por fornecedor e uma indicação como os primeiros 3 e os últimos 4 carateres. O formulário de definições nunca recebe a chave guardada; um campo intocado em Guardar significa manter a chave guardada (flag keyTouched).

sttGetAi() move a antiga gptApiKey única para a estrutura por fornecedor, cifra qualquer valor sem o prefixo stt1:, escreve o resultado de volta e remove a célula legada. Se o worker falhar a cifragem, o texto simples é mantido para que o utilizador não fique bloqueado, e a migração é repetida na leitura seguinte.

sttDecrypt() devolve uma string vazia perante um valor corrompido ou alheio, pelo que um registo estragado se comporta como 'sem chave' em vez de lançar uma exceção.

O painel de cada separador mantém um espelho local de fornecedor, flag live e hasKeys. content.js escuta chrome.storage.onChanged para o registo sttAi e empurra para a página uma configuração sanitizada nova, de modo que liveEnabled() nunca atua sobre uma chave que foi eliminada noutro lado.

Eliminar uma chave no popover é local até Guardar; fechar sem guardar mantém a chave guardada.

start() no service worker envia o toggle para o separador. Se chrome.runtime.lastError mostrar que ninguém está a escutar, injeta content.js e repete a mensagem. O módulo do painel e a folha de estilos são então injetados a pedido, ignorando as páginas chrome://.

O popup verifica da mesma forma com um ping isLoaded antes de decidir se envia a mensagem ao separador ou passa pelo worker.

getLocalizationKeys() lê a lista de chaves do messages.json do locale por defeito, que tem o conjunto completo, e guarda depois chrome.i18n.getMessage(key) para cada uma sob um prefixo stt_. Helper.getI18nMessage() na página lê daí.

Como a lista de chaves vem de en e os valores de chrome.i18n, um locale com chaves em falta recorre ao inglês chave a chave. O locale hi falta atualmente 7 chaves e é coberto desta forma.