问题

我平时在 macOS 上停在英文 ABC 输入法。豆包输入法 开了「跨输入法启用语音」后，在任何输入法下都能用快捷键唤起豆包的语音输入，我设置了两个键：

模式 快捷键 用途
按住说话，松开结束 Fn 短句
按一下开始，再按一下结束 右 Option 长段

唤起时豆包会把系统输入法切到豆包拼音，语音结束后不会切回来。接下来打字就是中文，每次都要再按一下切回 ABC。

我想要的效果是：语音输入结束后自动回到唤起前的输入法。豆包当前版本没有这个选项，所以用 Hammerspoon 补上。

第一版：监听按键（不成功）

最直接的思路是监听快捷键：按下时记下当前输入法，结束时切回去。

  • Fn 模式：松开即结束，不用记状态
  • 右 Option 模式：数按键次数，按单数次记下输入法，按双数次切回

写好后按 Fn 测试，没有切回。在脚本里加了日志才看出两个问题。

Hammerspoon 没有辅助功能权限

日志里 hs.accessibilityState() 一直是 false。权限要在「系统设置 → 隐私与安全性 → 辅助功能」里开，不是左侧栏顶层那个「辅助功能」（那里是 VoiceOver、缩放这类功能）。

开了之后还是 false，原因是 macOS 的这个权限只在进程启动时生效。我在设置里关了再开、删掉再加回来都没用，Hammerspoon 一直是开权限之前启动的那个进程。退出 Hammerspoon 再打开后，权限才变成 true。

豆包把 Fn 吞掉了

权限正常以后，Control、Caps Lock、右 Option 都能在日志里看到，Fn 一次都没有出现。我又用 hs.eventtap.checkKeyboardModifiers() 轮询 Fn 的按下状态，按住 Fn 说话的整个过程中也一直读到未按下。

所以豆包在更底层把 Fn 拦截了，Hammerspoon 拿不到这个键的任何信息，靠按键判断的方案走不通。右 Option 倒是能收到，但切换模式要数按键次数，如果用 Esc 或鼠标结束语音，计数就会错位。

第二版：看麦克风

换个角度：豆包语音输入时一定在用麦克风。我加了一个探针，同时记录输入法的切换和麦克风的占用状态，测了一次 Fn 模式：

时间 事件
21:33:41 Caps Lock 切到 ABC
21:33:43 按下 Fn，豆包把输入法切到豆包拼音
21:33:44 麦克风占用（开始听写）
21:33:55 麦克风空闲（松开 Fn，听写结束）

右 Option 模式的规律一样：开始时麦克风占用，结束时变回空闲。于是判断规则改成：

  1. 用 hs.keycodes.inputSourceChanged 记下豆包切进来的时间，以及切换前的输入法
  2. 每 0.2 秒查一次 hs.audiodevice.defaultInputDevice():inUse()
  3. 豆包切进来后 5 秒内麦克风被占用，就算一次语音输入开始
  4. 麦克风变回空闲，等 0.8 秒让豆包把文字上屏，再切回切换前的输入法

这里的 5 秒是「豆包切换输入法」到「麦克风开始工作」之间的间隔，实测只有 1～2 秒，和说话时长无关，只说一两个字也能正常切回。它的作用是区分两种情况：我自己手动切到豆包拼音打字时不会开麦，所以不会被切走。

这个方案不依赖任何按键，Fn 和右 Option 两种模式都适用。

配置

~/.hammerspoon/init.lua：

require("hs.ipc") -- allow `hs -c` from the command line
hs.autoLaunch(true) -- launch at login

-- Doubao IME switches the input source to itself for voice input and never
-- switches back. Doubao swallows the Fn key, so watch the mic instead:
-- Doubao switched in + mic in use shortly after = voice session started;
-- mic idle = session ended, restore the input source from before Doubao.

local DOUBAO = "com.bytedance.inputmethod.doubaoime"
local START_WINDOW = 5    -- seconds between Doubao switching in and mic turning on
local RESTORE_DELAY = 0.8 -- seconds to let Doubao commit the recognized text
local POLL = 0.2          -- mic polling interval in seconds

local function isDoubao(src) return src and src:find(DOUBAO, 1, true) ~= nil end

local lastSrc = hs.keycodes.currentSourceID() -- most recent non-Doubao source
local prevBeforeDoubao = nil
local doubaoSince = nil
local voiceActive, restoreTo = false, nil
local micWasInUse = false

doubaoSrcWatcher = hs.keycodes.inputSourceChanged(function()
  local cur = hs.keycodes.currentSourceID()
  if isDoubao(cur) then
    if not doubaoSince then
      doubaoSince = hs.timer.secondsSinceEpoch()
      prevBeforeDoubao = lastSrc
    end
  else
    lastSrc = cur
    doubaoSince = nil
  end
end)

doubaoMicTimer = hs.timer.doEvery(POLL, function()
  local dev = hs.audiodevice.defaultInputDevice()
  local inUse = dev and dev:inUse() or false
  if inUse == micWasInUse then return end
  micWasInUse = inUse

  if inUse then
    local cur = hs.keycodes.currentSourceID()
    if isDoubao(cur) and doubaoSince and prevBeforeDoubao
        and (voiceActive or restoreTo
             or hs.timer.secondsSinceEpoch() - doubaoSince <= START_WINDOW) then
      voiceActive, restoreTo = true, prevBeforeDoubao
    end
  elseif voiceActive then
    voiceActive = false
    local target = restoreTo
    hs.timer.doAfter(RESTORE_DELAY, function()
      if micWasInUse then return end -- talking again, wait for the next stop
      restoreTo = nil
      if isDoubao(hs.keycodes.currentSourceID()) then
        hs.keycodes.currentSourceID(target)
      end
    end)
  end
end)

仓库里的版本还带一个 DEBUG 开关，打开后把输入法切换和语音开始、结束写到 ~/.hammerspoon/debug.log，排查问题时用。

require("hs.ipc") 让命令行可以直接查询 Hammerspoon 的状态，排查时很方便：

# accessibility granted? timer running? current input source?
hs -c 'print(hs.accessibilityState(), doubaoMicTimer:running(), hs.keycodes.currentSourceID())'
hs -c 'hs.reload()'

部署

我用 Ansible 装软件、chezmoi 管配置文件，这次也按这个分工：

  • Ansible playbook install-hammerspoon.yml：brew install --cask hammerspoon，并打印需要手动完成的步骤
  • chezmoi：dot_hammerspoon/init.lua，只在 macOS 上下发

新机器上的步骤：

  1. chezmoi apply，下发 ~/.hammerspoon/init.lua
  2. task install-hammerspoon
  3. 打开 Hammerspoon，在「隐私与安全性 → 辅助功能」里打开它，然后退出 Hammerspoon 再重新打开
  4. 豆包设置里开启「跨输入法启用语音」，按住说话设为 Fn，切换模式设为右 Option

已知局限

  • 开会时 Zoom、腾讯会议这类软件一直占着麦克风，麦克风不会变回空闲，也就不会切回，这时手动按 Caps Lock 切换
  • 如果切回后文字只上屏了一半，调大 RESTORE_DELAY
  • 外接键盘没有 Fn 键的话，在那块键盘上用不了按住说话的模式，右 Option 不受影响