fix: 重建麦克风采集层，修复冷启动卡顿与合盖蓝牙场景录不到声音

[hehehai]

背景

部分用户反馈：首次录音（以及闲置一段时间后的第一次录音）会卡住，速度明显变慢，经常录不到声音。典型环境：

• MacBook 合盖 + 外接显示器
• 使用只有麦克风、没有扬声器的蓝牙设备（DJI Mic 2）
• macOS 27.0

用户确认 1.14.x 同样有这个问题，所以这不是 1.15 引入的回归，而是采集层一直存在的问题。

日志分析结论

现象	证据
每次冷启动，主线程固定阻塞约 6.1 秒	Recording started 之后，下一条日志总在 +6.1 秒出现；同一次模型加载的 3 个等待方中，第一个报 elapsedMs≈6600，另外两个只有 ~500ms；Esc 和停止键都要等到 +6.1 秒才被处理
输入节点先按蓝牙默认设备初始化，再改绑到目标设备	选的是内置麦克风（48k），却出现 adjusted input tap format … nodeSampleRate=16000，16k 正是 DJI 的采样率
冷启动时常常整段全是 0	例如 audioSpanMs=27300, levelMax=0.000，热启动则全部正常
合盖时内置麦克风仍在设备列表里，但录到的是精确的 0	内置麦克风上的录音都是 levelMax=0.000，结果为空；手动切到 DJI 后立刻正常
冷启动后按 Esc 会再次触发冷启动	取消后 2 秒内触发深度回收、释放 transcriber，下一次还是冷启动

根因

所有麦克风采集（9 个 tap 和 1 个 AVAudioRecorder）都用同一套写法：

1. AVAudioEngine.inputNode 是第一次访问时才创建的，创建时先按系统默认输入初始化，之后才通过 AudioUnitSetProperty(CurrentDevice) 改绑到目标设备；
2. macOS 上 AVAudioEngine 的 I/O 单元会把默认输入和默认输出放在一起。两者不是同一个设备时（合盖外接屏 + 只有输入的蓝牙麦克风），它会创建一个私有聚合设备 CADefaultDeviceAggregate；
3. 上面这些操作全在主线程上同步执行。

captureTapFormat 采样率修正、4 份重复的 applyPreferredInputDeviceIfNeeded、带 6 秒超时的 engine.start、3 套"1.2 秒没有回调就重启"的看门狗，都是在给这个写法打补丁。另外，AVAudioRecorder 不支持指定设备，所以远程 ASR 文件模式一直在录系统默认输入。

修复方案

1. 新的统一采集组件 Core/Audio/MicrophoneCaptureSession

采用 Apple TN2091 的标准做法：只开输入的 HAL output unit（AUHAL）。

• 在 AudioUnitInitialize 之前就绑定目标设备，从头到尾不打开系统默认输入，也不碰输出设备，所以不会产生聚合设备。
• 创建、绑定、初始化、启动、停止、设备变化，全部在每个会话自己的控制队列上执行，主线程和快捷键路径不会再等 Core Audio 或蓝牙。
• 实时 I/O 线程只做一件事：渲染到预分配的缓冲区，复制一份交给交付队列。
• 交付队列统一转换成单声道、固定采样率（AVAudioConverter，会做降混），再按 100ms 重新分块，保持和旧 tap 一样的节奏。停止时会先把已经采到的数据（包括最后不足一块的尾部）交付出去，再关闭。
• 监听设备掉线（DeviceIsAlive）和格式变化（采样率、声道数，比如蓝牙切换模式）。格式变了就在内部重建，交付给上层的格式保持不变。
• 信号健康检测：连续 1.5 秒是精确的 0（数字静音）就上报事件，信号恢复后再上报一次。
• 启动是异步的，带 10 秒超时，并支持取消：录音期间停止或按 Esc，会立即中止正在进行的启动。
• 每次录音新建一个会话，冷启动和热启动走同一条路径。

2. 迁移所有采集路径

路径	变化
MLX 本地转录	改为收 16k 单声道；移除启动超时、启动看门狗和改绑设备的写法
系统听写	startRecordingSession() 改为异步；切换麦克风时识别请求不中断
远程 ASR 流式（豆包、阿里 Fun 和 Qwen、StepFun、Gemini）	共用 startMicrophoneCapture 入口；PCM16 改为正规重采样，不再是简单抽点
远程 ASR 文件模式	用所选麦克风录音，停止时根据采集到的样本写出上传 WAV；OpenAI 伪实时预览改为从样本快照生成；删除 RemoteASRPreviewAudio 的 WAV 头修补
会议、引导页麦克风检测	非阻塞启动；会议麦克风为 48k 单声道；最终启动失败时通过 safetyMessage 提示并记录
模型调试录音	和正式录音走同一条采集路径
看门狗	3 处"1.2 秒没有回调就重启"统一换成"所选设备启动失败，就用系统默认输入重试一次"，不会再误杀启动慢的蓝牙设备

删除了只为旧引擎服务的代码：captureTapFormat、isAvailableInputDevice、makeDoubaoPCM16MonoData、RemoteASRPreviewAudio，以及对应的测试。

3. 设备可用性：合盖识别

• LaptopLidState 读取 IOKit 的 AppleClamshellState。
• MicrophoneAvailabilityPolicy 在合盖时把笔记本内置麦克风判为不可用。判断依据是连接方式为内置，并且 UID 是 BuiltInMicrophoneDevice 或数据源是 imic。接在内置耳机孔上的有线耳机麦克风（emic）不受影响。
• 内置麦克风被排除后，按现有逻辑回退：优先级列表 → 系统默认 → 第一个可用设备。
• 显示配置变化（合盖或开盖并接着外接屏时会触发）和唤醒时，重新刷新设备快照。

4. 录音中的体验

• 录音中检测到数字静音时，提示"麦克风没有收到任何声音，请检查当前选择的麦克风"（中、英、日三语）。
• 麦克风还在启动时用户停止录音：直接以空结果结束会话，不再弹出"麦克风启动失败"。
• 录音中切换麦克风：采集会话在后台切换；如果新设备准备失败，原设备继续录音。

5. 蓝牙耳机提示音被截断

打开蓝牙耳机的麦克风，会让耳机从媒体模式（A2DP）切到通话模式（HFP），正在播放的开始提示音会被截断，音量也会变小。BluetoothAudioRoute 通过设备地址（UID 前缀）判断输入和当前输出是否属于同一副耳机。是的话就等提示音播完再打开麦克风；其他设备仍然立即启动。

6. 诊断日志（供测试版回归排查）

日志	内容
Microphone capture started	设备名、UID、连接方式、输入/输出声道数、采样率、是否回退到默认设备、设备格式、输出格式、合盖状态、默认输入和输出设备、分步耗时 stepsMs=resolve,create,bind,configure,initialize,start、totalMs
Microphone capture first buffer	从请求启动到收到第一帧的延迟 latencyMs、峰值
Microphone capture is delivering digital silence / signal recovered	静音持续时间、设备、合盖状态
Microphone capture stopped	缓冲区数量、采集时长、交付帧数、静音总时长、最大峰值、是否收到过第一帧
Microphone capture rebuilt / device format changed / device disappeared	录音中设备变化
Internal microphone excluded because the laptop lid is closed	合盖过滤是否生效
应用元信息新增字段	microphonePriorityUIDs、laptopLid、audioDefaults、audioDevices（所有输入和输出设备，带连接方式）、availableMicrophones

提交

• 30599d5 fix: 以仅输入 AUHAL 重建麦克风采集并补充音频诊断
• ab5a70f refactor: 所有麦克风采集统一走 MicrophoneCaptureSession
• 5d6e69d fix: 蓝牙耳机上先播完开始提示音再打开麦克风
• 91ea442 fix: 采集按 100ms 分块交付并提示会议麦克风启动失败
• ea7194b fix: 渲染前设置 frameLength，修复 AUHAL 采集始终返回 -50（首轮本地测试发现：每次 AudioUnitRender 都拿到 0 字节缓冲区，录音全程无音频）；新增启动 2 秒内无音频的警告与提示

预期效果

症状	预期
冷启动主线程卡约 6 秒，快捷键和 Esc 无响应	解决
合盖时选中已断开的内置麦克风，录到全 0	解决
先按默认蓝牙设备初始化、创建聚合设备的副作用	解决
DJI 冷启动整段全是 0	大概率解决；如果还发生，会有提示和日志
DJI 冷启动等约 6 秒才有声音	待日志确认：如果是蓝牙链路本身建立需要这么久，界面不会再卡，但第一帧音频仍会晚到。用 stepsMs 和 first buffer latencyMs 判断
蓝牙耳机开始提示音被截断	解决

行为变化

• 远程 ASR 文件模式现在会使用所选麦克风（以前固定录系统默认输入）。
• 会议麦克风从设备原生格式改为 48k 单声道。
• 合盖时内置麦克风不在设备列表里。开盖后不会自动切回内置麦克风，这和拔掉其他设备时的现有逻辑一致。
• 输入和输出是同一副蓝牙耳机时，麦克风会在开始提示音播完之后才打开。

风险与已知限制

• ⚠️ 这个 PR 是在没有 Swift 和 Xcode 的环境下写的，还没有编译、也没有运行过测试，合并前必须在 macOS 上完成构建和回归。AUHAL 的 C 回调、nonisolated 嵌套类型、withTaskCancellationHandler 这几处最需要编译器把关。
• 如果冷启动的约 6 秒是蓝牙链路建立本身的耗时，这个 PR 只能消除界面卡顿，不能让第一帧更早到达。下一步可以考虑保持链路，或者在按快捷键时提前拉起设备。
• 如果蓝牙设备开头超过 1.5 秒都输出精确的 0，可能误报一次"没有收到声音"（提示只显示 3 秒）。
• 主线程上仍有少量 Core Audio 属性读取（蓝牙提示音判断、会议启动时的设备快照、诊断元信息、原有的静音恢复），都是读属性，不会启动设备。
• 沙盒里如果读不到 AppleClamshellState，会返回 unavailable，等于不做合盖过滤，不会比现在更糟。

测试

新增 VoxtTests/MicrophoneCaptureSupportTests，覆盖：

• 合盖可用性策略：内置麦克风、imic、emic、外接设备；
• 数字静音检测：阈值、恢复、短暂静音、-0 和 NaN；
• 蓝牙耳机输入输出归属判断；
• 设备连接方式映射、FourCC 格式化、诊断描述。

删除了 AudioInputDeviceManagerTests 中关于 captureTapFormat 的 3 个用例，因为被测代码已经删除。

合并前检查

• xcodebuild build -project Voxt.xcodeproj -scheme Voxt -destination 'platform=macOS' CODE_SIGNING_ALLOWED=NO
• xcodebuild test … -only-testing:VoxtTests/MicrophoneCaptureSupportTests，以及全量测试
• MLX 录音：内置麦克风，冷启动（闲置 2 分钟以上）和热启动各一次
• 蓝牙耳机：提示音完整，冷启动不卡
• 录音中切换麦克风
• 系统听写
• 远程 ASR：流式选一个服务商；文件模式（OpenAI，开启伪实时预览）
• 会议录制（麦克风 + 系统音频）
• 本地 VAD 停顿检测和以前一致（验证 100ms 分块）
• 测试版交给反馈的用户（DJI、合盖、外接屏），回收日志，确认 stepsMs、first buffer latencyMs、是否出现数字静音、合盖过滤是否生效

🤖 Generated with Claude Code