feat: add Xiaomi MiMo ASR and explicit hotkey trigger modes

docs/02-features.md

@@ -28,24 +28,26 @@
 
 ### 描述
 
-用户在**任意应用**中，按下听写快捷键说话，松开后语音被转成文字、经**轻量文本整理模型去噪**（去语气词、修标点、保留改口后的最终意图），再注入到当前光标位置。这是 Typex 的主干路径，其他功能都是这条流水线的变体。
+用户在**任意应用**中，按下听写快捷键说话，按所选触发方式结束录音后，语音被转成文字、经**轻量文本整理模型去噪**（去语气词、修标点、保留改口后的最终意图），再注入到当前光标位置。这是 Typex 的主干路径，其他功能都是这条流水线的变体。
 
 > 为什么必须有「整理」这一级：用户口语天然杂乱（语气词、重复、中途改口），原样上屏并不可用。「STT 原始转写 → 轻量模型整理」两级流水线是本品类的核心价值，规格详见 F-9。
 
 ### 流水线
 
 ```
 按键按下 ──▶ 开始录音（HUD 出现，波形反馈）
-按键松开 ──▶ 停止录音 ──▶ [所选 VAD 裁剪静音] ──▶ STT Provider 转写
+松开按键（按住说话）/ 再次按下（按下切换）──▶ 停止录音
+        ──▶ [所选 VAD 裁剪静音] ──▶ STT Provider 转写
         ──▶ 文本整理（F-9，默认开启，可一键切「原样模式」）
         ──▶ 文本注入（光标处）──▶ HUD 成功反馈后隐藏
 ```
 
 ### 规格
 
 - **触发方式**（详见 F-5）：
-  - **长按说话（push-to-talk）**：按住 ≥ 350 ms 进入长按模式，松开即结束。这是主推交互。
-  - **短按切换（toggle）**：按一下开始，再按一下结束。两种模式同一个键自动区分，无需配置。
+  - **按住说话（hold）**：按下立即开始，松开立即结束。
+  - **按下切换（toggle）**：第一次按下立即开始，第二次按下立即结束；两次 keyup 都不参与状态切换，适配只发送瞬时按键事件的翻页器与第三方键盘。
+  - 两种方式在设置中显式二选一，并在录音开始时快照；不再按按住时长自动推断意图。
   - `Esc` 或点击 HUD 取消按钮 = 放弃当前尚未提交的流程，不产生任何输出；覆盖录音、录音收尾、转写、处理、注入提交前与失败态。全局 `Esc` 仅在成功认领当前会话取消权时吞掉该次物理按键的 down、自动重复与配对 up；空闲、设置关闭或注入已经提交时完整透传。设置中可关闭全局 `Esc` 取消，但不影响回答弹窗自身的关闭行为。
 - **录音**：16-bit PCM，按设备原生采样率采集后重采样为 16 kHz 单声道（见 [06 代码架构 §7.4](06-code-architecture.md)）。录音期间 HUD 显示实时波形（麦克风是否在工作必须一眼可见）。
 - **松键反馈**：录音结束后先发布 `Transcribing` 状态，再在阻塞工作线程中关闭音频流、重采样、执行 VAD 与 WAV 编码；快捷键结束到 HUD 切换为「正在转写」目标 ≤ 100 ms，音频收尾期间仍可响应取消，且取消后不得启动 STT。
@@ -141,7 +143,7 @@
 
 **规格**：
 
-- **呼出**：仅助手快捷键（按住 = push-to-talk；短按 = 切换式录音，再按结束——与听写键语义一致）。弹窗本身没有输入能力，不能主动打开空弹窗。
+- **呼出**：仅助手快捷键，触发方式与听写键使用同一项全局设置（按住说话 / 按下切换）。弹窗本身没有输入能力，不能主动打开空弹窗。
 - **弹窗内容**：顶部回显本次语音指令（有选区时附选区字数摘要），下方流式 Markdown 渲染回答，右上角 ✕ 关闭。无打字输入条、无麦克风键、无动作按钮（回答文本可直接选中复制）。
 - **位置**：有选区 → 选区下方（放不下时上方）；无选区 → 屏幕上 1/3 居中。
 - **关闭**：✕ / `Esc` / 焦点切换到其他应用时自动关闭。回答仍在生成时，三种关闭方式都取消当前助手会话，迟到的流事件不得重新显示窗口或写入历史；回答已完成后关闭只隐藏窗口并保留成功历史。该行为不受全局「Esc 取消当前流程」设置影响。
@@ -198,7 +200,7 @@
 - 三个全局快捷键：**听写**、**助手**、**翻译**（默认为全修饰键三角方案：右⌘/右Ctrl、右⌥/右Alt、两键同按；详见 [05 UX 规格 §7](05-ux-spec.md)）。
 - 三项配置中的每个按键数组分别表示一个可编辑的**完整 chord**，不是多个候选键：只有数组内全部物理键同时按住才触发。翻译 chord 可独立于听写与助手直接触发；默认值仍是听写键与助手键的有序组合。
 - 三组 chord 必须非空。听写与助手不能相同或互为子集；翻译只不能与听写或助手完全相同，允许包含前两项的按键，也允许成为其中一项的严格子集。若当前 chord 是随后补全 chord 的严格子集，较长 chord 接管当前模式并保留音频；没有包含关系的其他已完成 chord 不改变本次手势最先启动的模式。设置界面必须阻止保存非法组合，后端也必须拒绝非法更新；读取到非法配置时仅把热键恢复为当前平台默认值，其他设置保持不变。
-- 每个键支持「长按 push-to-talk / 短按 toggle」双模（同键自动区分，阈值 350 ms，可调）。
+- 设置提供全局触发方式二选一：`hold`（按下开始、松开结束）或 `toggle`（第一次按下开始、第二次按下结束）。两者都在完整 chord 的 keydown 立即开始；`toggle` 的停止也发生在第二次 keydown，不依赖持续按下、keyup 或时长阈值。
 - 支持**单个修饰键**作为触发键（如仅「右 ⌘」「右 Alt」）——这是品类标准体验，需要底层键盘监听而非普通热键 API（实现见 [06 代码架构 §7.3](06-code-architecture.md)）；**组合键让路规则**保证触发键的日常组合用法（⌘C 等）零干扰。
 - Windows 在单修饰键 75 ms 语义确认窗口开始时立即启动仅驻内存的候选录音；确认 Typex 手势后以同一 token 提升为正式录音，不重开设备。普通键、AltGr、暂停、配置更新、hook 失败或退出会静默取消匹配候选，不显示 HUD、不播放提示音、不写历史或磁盘，也不向 Provider/电平事件发送任何候选数据。
 - 自定义普通键按物理位置记录，与当前键盘布局及输入法输出字符无关；历史版本保存的后端别名在读取时迁移到稳定 `KeyId`，界面标签仍按 macOS/Windows/Linux 惯例显示。
@@ -208,7 +210,7 @@
 ## F-6 托盘与常驻行为
 
 - Typex 无主窗口，启动后驻留系统托盘/菜单栏。托盘图标反映状态：空闲 / 录音中 / 处理中 / 错误（图标规格见 [04 设计系统 §3.4](04-design-system.md)）。
-- 托盘菜单：`复制上次结果`、`文本整理开关`、`翻译目标`、**`模型 ▸`（按 听写/文本整理/翻译/问答 分组列出兼容服务配置，点选即切，F-4 配置池的快速切换入口）**、`暂停 Typex`（临时禁用全局监听；进入暂停时静默取消当前录音，含短按 toggle，不中断已经进入转写/处理的会话）、`设置…`、`主页…`、`检查更新`、`退出`。
+- 托盘菜单：`复制上次结果`、`文本整理开关`、`翻译目标`、**`模型 ▸`（按 听写/文本整理/翻译/问答 分组列出兼容服务配置，点选即切，F-4 配置池的快速切换入口）**、`暂停 Typex`（临时禁用全局监听；进入暂停时静默取消当前录音，含 toggle 会话，不中断已经进入转写/处理的会话）、`设置…`、`主页…`、`检查更新`、`退出`。
 - 单实例：二次启动唤起设置窗口而非新进程。
 - 开机自启：默认询问（onboarding 最后一步），可随时在设置中改；应用启动与设置变更只在系统注册状态和配置不一致时写入，已关闭且不存在注册项是正常状态，不得产生警告。Windows 注册项必须使用带引号的当前 EXE 完整路径；启用时自动修复仍指向旧 debug/安装目录的条目，关闭时删除残留条目，完全一致时不重复写注册表（[ADR-26](08-decisions.md)）。
 - 自动更新：内置 updater（GitHub Releases 渠道），默认开启检查、手动确认安装（[ADR-11](08-decisions.md)）。首次生成设置时，开发版（SemVer prerelease，当前为 `-dev`）默认使用 nightly 通道，纯 `MAJOR.MINOR.PATCH` 正式版默认使用 stable 通道；用户手动选择通道后按保存值检查，不由构建类型覆盖。

docs/03-model-providers.md

@@ -92,7 +92,44 @@ Content-Type: application/json
 - F-10 词典经 `corpus.context` 传入（词条一行一个）。
 - 流式识别（二进制 WS 帧协议，`wss://openspeech.bytedance.com/api/v3/sauc/bigmodel`）留待实时字幕需求出现时再实现。
 
-### 2.3 内置实现三：`local`（本地推理，[ADR-20](08-decisions.md)/[ADR-22](08-decisions.md)）
+### 2.3 内置实现三：`mimo`（Xiaomi MiMo ASR）
+
+MiMo ASR 不实现 OpenAI Audio Transcriptions 协议；它使用 Chat Completions 路径承载 JSON + Base64 WAV：
+
+```text
+POST {base_url}/chat/completions
+Authorization: Bearer {api_key}
+Content-Type: application/json
+
+{
+  "model": "mimo-v2.5-asr",
+  "messages": [{
+    "role": "user",
+    "content": [{
+      "type": "input_audio",
+      "input_audio": {
+        "data": "data:audio/wav;base64,<完整 WAV 字节的 Base64>"
+      }
+    }]
+  }],
+  "stream": false,
+  "asr_options": { "language": "auto" }
+}
+```
+
+响应文本位于 `choices[0].message.content`。`SttOptions.language` 未设置、空字符串或为 `auto` 时发送 `auto`，其他值原样发送；MiMo adapter 不发送 `prompt` 或 `temperature`。默认 Base URL 为 `https://api.xiaomimimo.com/v1`，默认模型为 `mimo-v2.5-asr`。
+
+用户配置示例：
+
+```text
+Provider: Xiaomi MiMo
+Base URL: https://api.xiaomimimo.com/v1
+Model: mimo-v2.5-asr
+API Key: 用户自己的 MiMo API Key
+Language: auto 或 zh
+```
+
+### 2.4 内置实现四：`local`（本地推理，[ADR-20](08-decisions.md)/[ADR-22](08-decisions.md)）
 
 不走 HTTP，进程内推理，实现同一个 `SttProvider` trait。按硬件档位提供两条引擎路线：
 
@@ -105,7 +142,7 @@ Content-Type: application/json
 - `capabilities()` 报告：不限音频时长（本地无 25 MB 上限）；错误分类只剩 `InvalidRequest`/模型未下载。
 - 模型文件由**模型下载管理器**负责（见 §8）：不随安装包分发，按需下载。
 
-### 2.4 扩展位
+### 2.5 扩展位
 
 - `deepgram` / `elevenlabs`：各约百行的薄 adapter（改鉴权头、上传方式）。
 - 流式：各家协议互不兼容（OpenAI Realtime 事件 JSON / 火山二进制帧 / Deepgram 裸推）；唯一准标准是 OpenAI Realtime（阿里 Qwen3-ASR 已模仿）。故流式做成可选 capability；当前默认路径使用「快 Provider + 一次性转写」。
@@ -358,7 +395,7 @@ F-3 不引入新的 Provider 类型：
 ```
 功能槽位             服务池能力         实现走向
 ────────────────────────────────────────────────────────────
-语音转文字   ──▶  stt profile   ──▶  SttProvider（openai_compat | volcengine | local）
+语音转文字   ──▶  stt profile   ──▶  SttProvider（openai_compat | mimo | volcengine | local）
 文本整理     ──▶  llm profile   ──▶  LlmProvider + 整理 system/XML（推荐轻量快模型；可用 local）
 翻译模型     ──▶  llm profile   ──▶  LlmProvider + 翻译 system/XML（可用 local）
 问答模型     ──▶  llm profile   ──▶  LlmProvider + 处理/问答 system/XML（推荐强模型；可手动选择 local）
@@ -374,7 +411,7 @@ F-3 不引入新的 Provider 类型：
 
 ```jsonc
 {
-  "schema_version": 10,
+  "schema_version": 11,
   "dictionary": {
     "terms": ["Typex", "OpenAI", "Qwen3-ASR"]
   },
@@ -402,7 +439,7 @@ F-3 不引入新的 Provider 类型：
     "dictation": ["ControlRight"],       // 一个完整 chord，稳定物理 KeyId
     "assistant": ["AltRight"],
     "translation": ["ControlRight", "AltRight"], // 独立完整 chord；此处为默认三角键位
-    "hold_threshold_ms": 350
+    "trigger_mode": "hold"                  // hold | toggle；显式选择，不按时长推断
   },
   "slots": {
     "stt":       { "active_profile": "groq-fast" },
@@ -431,6 +468,14 @@ F-3 不引入新的 Provider 类型：
       },
       "options": { "resource_id": "volc.bigasr.auc_turbo", "enable_punc": true, "enable_itn": true }
     },
+    {
+      "id": "mimo-asr", "capability": "stt", "kind": "mimo",
+      "label": "Xiaomi MiMo",
+      "base_url": "https://api.xiaomimimo.com/v1",
+      "model": "mimo-v2.5-asr", "timeout_ms": 60000,
+      "credentials": { "api_key": "用户自己的 MiMo API Key" },
+      "options": { "language": "auto" }
+    },
     {
       "id": "deepseek", "capability": "llm", "kind": "chat_completions",
       "label": "DeepSeek V3",
@@ -467,9 +512,10 @@ F-3 不引入新的 Provider 类型：
 - schema v8 将 `hotkeys.translation` 从派生值改为独立完整 chord。v7 及更旧配置升级时仍按旧规则把听写与助手 chord 有序去重合并为翻译 chord，保持当前行为；v8 起三组 chord 分别归一化和持久化，修改任一项不再重算另外两项。
 - schema v9 以四个 `*_system_prompt` 字段替换旧的 `polish_prompt` / `translate_prompt` / `process_prompt` / `ask_prompt` 模板字段。应用尚未发布，不兼容旧自定义模板：v8 及更旧配置升级时删除旧字段并把新字段置空，直接使用当前内置 system prompt。固定 XML user message 不进入配置 schema。
 - schema v10 将 profile 调用超时默认值从 30 秒提高到 60 秒；迁移时把旧版 UI 自动写入的 `timeout_ms=30000` 更新为 `60000`，其他显式值保持不变。
+- schema v11 以 `hotkeys.trigger_mode`（`hold` / `toggle`）替换 `hold_threshold_ms`。旧配置迁移为 `hold` 以保持原先主推的按住说话行为；触发方式在会话开始时快照，后端不再按按住时长推断语义。
 - profile 的 `timeout_ms` 是该模型服务的唯一全局调用时限，默认 `60000`。STT 覆盖从转写调用开始到完整文本返回，LLM 覆盖连接、请求发送、首 token 等待与完整流式响应接收；本地与远端实现使用相同语义。同一 profile 被多个功能或连接测试复用时统一生效，功能层不得另设总时限或 idle timeout。
 - LLM `options.reasoning_effort` 控制思考等级，允许 `none` / `minimal` / `low` / `medium` / `high` / `xhigh`；设置 UI 默认保存 `none`，缺省仅表示旧配置或手写配置“不指定”。Responses 发送 `reasoning.effort`，普通 OpenAI 兼容 Chat Completions 发送顶层 `reasoning_effort`。Qwen 兼容端点与本地模型只支持开关语义，使用兼容字段 `options.enable_thinking` / `/think` / `/no_think`，其中 `none` 视为关闭，其他等级视为开启。
-- **预设模板**（前端内置数据，非后端逻辑）：OpenAI / Groq / SiliconFlow / 火山·豆包 / DeepSeek / OpenRouter / Ollama —— 选中即预填 `kind/base_url/model` 与凭据字段表单，用户只贴密钥。
+- **预设模板**（前端内置数据，非后端逻辑）：OpenAI / Groq / SiliconFlow / Xiaomi MiMo / 火山·豆包 / DeepSeek / OpenRouter / Ollama —— 选中即预填 `kind/base_url/model` 与凭据字段表单，用户只贴密钥。
 - 「测试连接」：STT 槽发内置 2 秒样音（assets 内置，中文「你好，Typex」），LLM 槽发 `ping` 单词请求；展示延迟与分类后的错误。
 
 ## 7. 各厂商兼容性速查（配置预设的依据）
@@ -479,6 +525,7 @@ F-3 不引入新的 Provider 类型：
 | OpenAI | openai_compat | chat_completions / responses | 基准 |
 | Groq | openai_compat | chat_completions | STT 极快（whisper-turbo），语音输入首选预设 |
 | SiliconFlow | openai_compat（子集） | chat_completions | SenseVoice 中文；参数支持面窄 |
+| Xiaomi MiMo | **mimo adapter**（`/chat/completions` JSON + Base64 WAV） | chat_completions | MiMo ASR 不是 OpenAI Audio Transcriptions 兼容接口 |
 | 火山引擎 · 豆包 | **volcengine adapter** | chat_completions（方舟端点） | STT 双凭据；LLM 是 OpenAI 兼容的 |
 | DeepSeek | — | chat_completions | 整理/翻译高性价比 |
 | OpenRouter | — | chat_completions / responses | 聚合网关 |