68 lines
4.3 KiB
Markdown
68 lines
4.3 KiB
Markdown
第一步：项目初始化与全局数据流设计 (发给 Agent 的 Prompt 1)
|
||
Role & Context: 你现在是一个资深的 iOS 架构师。我们需要开发一个名为 Airtep Voice 的 iOS POC 应用。这个应用的核心功能是：连接 AirPods，实时采集会议或谈话的语音，并利用苹果原生框架进行流式转写，最后将文本结构化落盘。
|
||
|
||
任务 1：项目初始化与 UI 规范
|
||
|
||
请创建一个基于 SwiftUI 和 SwiftData 的项目。
|
||
|
||
在 Info.plist 中添加必要的权限描述：NSMicrophoneUsageDescription (用于环境录音) 和 NSSpeechRecognitionUsageDescription (用于实时语音转文字)。
|
||
|
||
UI 设计规范（极高优先级）：在视觉呈现上，请严格遵循极简主义和对称美学，深度参考 Apple 的原生设计原则。所有的图标和界面元素必须采用纯色方案，绝对不要使用渐变色。界面需尽量去除多余的辅助性文字，依靠几何对称和留白来引导用户操作。主界面只需要一个居中的、对称的录音控制按钮（纯色圆形或圆角矩形），以及下方一个平滑展开的滚动文本视图。
|
||
|
||
任务 2：数据架构设计
|
||
为了让产生的数据在未来具备良好的“可观测、可对齐、可索引”特性，请使用 SwiftData 定义一个 TranscriptSession 模型。
|
||
包含字段：
|
||
|
||
id: UUID
|
||
|
||
startTime: Date
|
||
|
||
endTime: Date?
|
||
|
||
deviceConnected: String (记录当前使用的音频外设名称)
|
||
|
||
segments: [TranscriptSegment] (嵌套模型，记录每一句话的 timestamp 和 text，便于后续切片和对齐)
|
||
|
||
请输出初始化的工程结构建议、SwiftData 模型代码以及极简风格的主视图结构。
|
||
|
||
第二步：核心音频路由与蓝牙设备强制接管 (发给 Agent 的 Prompt 2)
|
||
任务 3：开发 AVAudioSession 路由管理器
|
||
现在我们需要编写底层的音频控制模块 AudioRouteManager.swift。
|
||
|
||
配置 AVAudioSession：设置 category 为 .playAndRecord，mode 为 .measurement 或 .spokenAudio。
|
||
|
||
关键选项：必须包含 .allowBluetooth 和 .allowBluetoothA2DP，确保系统能强制从用户的蓝牙耳机（AirPods）获取音频输入，而不是默认的手机麦克风。
|
||
|
||
编写一个状态监听器，当系统音频路由发生变化（例如用户摘下 AirPods）时，能够实时抛出状态变更，UI 需根据这个状态将纯色录音按钮置灰或改变形状。
|
||
|
||
请提供这个单例管理类的完整 Swift 代码。
|
||
|
||
第三步：实时语音流式转文字引擎 (发给 Agent 的 Prompt 3)
|
||
任务 4：开发 SFSpeechRecognizer 流式处理引擎
|
||
我们需要实现 SpeechRecognitionManager.swift。
|
||
|
||
实例化 SFSpeechRecognizer，并确保 locale 设置为当前设备语言（默认中文 zh-CN）。
|
||
|
||
使用 AVAudioEngine 捕获刚才配置好的音频输入节点的 buffer。
|
||
|
||
创建 SFSpeechAudioBufferRecognitionRequest，将 shouldReportPartialResults 设为 true。
|
||
|
||
在 installTap 的回调中，将音频流实时喂给识别请求。
|
||
|
||
结构化处理：当转写回调触发时，不要只拼接长文本。如果是中间结果（partial），只更新当前 UI；如果是最终结果（或者根据静音停顿超过 2 秒作为分句逻辑），将这段话封装为一个 TranscriptSegment 对象，对齐时间戳，并追加到 SwiftData 的当前 Session 中，保证所有数据都是结构化且可索引的。
|
||
|
||
请输出包含上述逻辑的完整类实现，并确保它是一个 ObservableObject，以便 SwiftUI 视图实时绑定数据。
|
||
|
||
第四步：界面组装与交互联动 (发给 Agent 的 Prompt 4)
|
||
任务 5：组装 POC 完整流程
|
||
结合前面写好的 AudioRouteManager 和 SpeechRecognitionManager，以及极简的 SwiftUI 视图，把它们串联起来。
|
||
|
||
当用户点击屏幕正中央的纯色对称按钮时，请求权限 -> 检查 AirPods 连接状态 -> 启动 AudioEngine -> 开始流式转写。
|
||
|
||
在按钮下方，实时渲染当前正在说的话。
|
||
|
||
提供一个手势（如向下轻扫或长按按钮）来停止 Session，并将这一整段结构化数据正式持久化到本地。
|
||
|
||
处理可能出现的异常边界（如未授权、未连接麦克风），用极简的图标震动或纯色状态条进行提示，避免长篇大论的弹窗文字。
|
||
|
||
请输出整合后的 ContentView.swift 和应用入口文件，确保这份代码丢进 Xcode 就能直接编译运行。 |