Sync macOS paste clipboard safety to X-ASR branch

Ariver

2026-06-13 859c14d783dc31fe68550b114fc8adeea09dab2a

 privatevoice.src/internal/engine/engine_darwin.go

@@ -4,6 +4,8 @@

import (
   "fmt"
   "strings"
   "sync"
   "voicesnap/internal/logger"
   "voicesnap/internal/model"

@@ -11,14 +13,37 @@
   sherpa "github.com/k2-fsa/sherpa-onnx-go/sherpa_onnx"
)

const (
   asrSampleRate          = 16000
   xasrTailPaddingSamples = asrSampleRate + asrSampleRate/2
)

var xasrTailPadding = make([]float32, xasrTailPaddingSamples)

type sherpaEngine struct {
   recognizer *sherpa.OfflineRecognizer
   hwInfo     string
}

type xasrStreamingEngine struct {
   recognizer *sherpa.OnlineRecognizer
   hwInfo     string
   mu         sync.Mutex
}

type xasrStreamingSession struct {
   engine   *xasrStreamingEngine
   stream   *sherpa.OnlineStream
   lastText string
   finished bool
}

func newPlatformEngine(resolved model.ResolvedModel) (Engine, error) {
   if !isSupportedBackend(resolved.BackendKind) {
      return nil, fmt.Errorf("unsupported backend kind: %s", resolved.BackendKind)
   }
   if resolved.BackendKind == model.BackendXASRStreaming {
      return newXASRStreamingEngine(resolved)
   }

   providers := darwinProviders(resolved.ProviderOrder)
@@ -42,6 +67,30 @@
   }

   return nil, fmt.Errorf("failed to initialize sherpa-onnx with any provider")
}

func newXASRStreamingEngine(resolved model.ResolvedModel) (Engine, error) {
   providers := darwinProviders(resolved.ProviderOrder)

   for _, p := range providers {
      config, err := onlineConfigForResolvedModel(resolved, p.provider)
      if err != nil {
         return nil, err
      }

      recognizer := sherpa.NewOnlineRecognizer(&config)
      if recognizer != nil {
         info := fmt.Sprintf("%s · %s", resolved.Profile.DisplayName, p.name)
         logger.Info("Engine initialized: %s", info)
         return &xasrStreamingEngine{
            recognizer: recognizer,
            hwInfo:     info,
         }, nil
      }
      logger.Info("Failed to init X-ASR with %s, trying next provider", p.name)
   }

   return nil, fmt.Errorf("failed to initialize X-ASR streaming recognizer with any provider")
}

func offlineConfigForResolvedModel(resolved model.ResolvedModel, provider string) (sherpa.OfflineRecognizerConfig, error) {
@@ -84,6 +133,29 @@
   return config, nil
}

func onlineConfigForResolvedModel(resolved model.ResolvedModel, provider string) (sherpa.OnlineRecognizerConfig, error) {
   config := sherpa.OnlineRecognizerConfig{}
   config.FeatConfig.SampleRate = 16000
   config.FeatConfig.FeatureDim = 80
   config.ModelConfig.Tokens = resolved.Files["tokens"]
   config.ModelConfig.NumThreads = resolved.Profile.NumThreads
   config.ModelConfig.Provider = provider
   config.ModelConfig.ModelType = "zipformer2"
   config.DecodingMethod = "greedy_search"
   config.EnableEndpoint = 0

   switch resolved.BackendKind {
   case model.BackendXASRStreaming:
      config.ModelConfig.Transducer.Encoder = resolved.Files["encoder"]
      config.ModelConfig.Transducer.Decoder = resolved.Files["decoder"]
      config.ModelConfig.Transducer.Joiner = resolved.Files["joiner"]
   default:
      return sherpa.OnlineRecognizerConfig{}, fmt.Errorf("unsupported online backend kind: %s", resolved.BackendKind)
   }

   return config, nil
}

func darwinProviders(providerOrder []string) []struct {
   name     string
   provider string
@@ -119,7 +191,7 @@
   stream := sherpa.NewOfflineStream(e.recognizer)
   defer sherpa.DeleteOfflineStream(stream)

   stream.AcceptWaveform(16000, samples)
   stream.AcceptWaveform(asrSampleRate, samples)

   e.recognizer.Decode(stream)
   result := stream.GetResult()
@@ -127,7 +199,105 @@
   return result.Text, nil
}

func (e *xasrStreamingEngine) Recognize(samples []float32) (string, error) {
   session, err := e.NewStreamingSession()
   if err != nil {
      return "", err
   }
   defer session.Close()

   if _, err := session.Accept(samples); err != nil {
      return "", err
   }
   return session.Finish()
}

func (e *xasrStreamingEngine) NewStreamingSession() (StreamingSession, error) {
   if e.recognizer == nil {
      return nil, fmt.Errorf("X-ASR recognizer is not initialized")
   }
   stream := sherpa.NewOnlineStream(e.recognizer)
   if stream == nil {
      return nil, fmt.Errorf("failed to create X-ASR streaming session")
   }
   return &xasrStreamingSession{
      engine: e,
      stream: stream,
   }, nil
}

func (s *xasrStreamingSession) Accept(samples []float32) (string, error) {
   if len(samples) == 0 {
      return s.lastText, nil
   }
   if s.stream == nil || s.finished {
      return s.lastText, nil
   }

   s.engine.mu.Lock()
   defer s.engine.mu.Unlock()

   s.stream.AcceptWaveform(asrSampleRate, samples)
   s.lastText = s.engine.decodeReadyLocked(s.stream, s.lastText)
   return s.lastText, nil
}

func (s *xasrStreamingSession) Finish() (string, error) {
   if s.stream == nil || s.finished {
      return s.lastText, nil
   }

   s.engine.mu.Lock()
   defer s.engine.mu.Unlock()

   s.stream.AcceptWaveform(asrSampleRate, xasrTailPadding)
   s.lastText = s.engine.decodeReadyLocked(s.stream, s.lastText)
   s.stream.InputFinished()
   s.lastText = s.engine.decodeReadyLocked(s.stream, s.lastText)
   s.finished = true
   return s.lastText, nil
}

func (s *xasrStreamingSession) Close() {
   if s.stream == nil {
      return
   }

   s.engine.mu.Lock()
   defer s.engine.mu.Unlock()

   sherpa.DeleteOnlineStream(s.stream)
   s.stream = nil
}

func (e *xasrStreamingEngine) decodeReadyLocked(stream *sherpa.OnlineStream, lastText string) string {
   for e.recognizer.IsReady(stream) {
      e.recognizer.Decode(stream)
      lastText = rememberNonEmptyText(lastText, onlineResultText(e.recognizer, stream))
   }
   return rememberNonEmptyText(lastText, onlineResultText(e.recognizer, stream))
}

func onlineResultText(recognizer *sherpa.OnlineRecognizer, stream *sherpa.OnlineStream) string {
   result := recognizer.GetResult(stream)
   if result == nil {
      return ""
   }
   return result.Text
}

func rememberNonEmptyText(lastText, nextText string) string {
   if strings.TrimSpace(nextText) == "" {
      return lastText
   }
   return nextText
}

func (e *sherpaEngine) HardwareInfo() string {
   return e.hwInfo
}

func (e *xasrStreamingEngine) HardwareInfo() string {
   return e.hwInfo
}

@@ -137,3 +307,13 @@
      e.recognizer = nil
   }
}

func (e *xasrStreamingEngine) Close() {
   e.mu.Lock()
   defer e.mu.Unlock()

   if e.recognizer != nil {
      sherpa.DeleteOnlineRecognizer(e.recognizer)
      e.recognizer = nil
   }
}