¿MacOS trata la entrada del dictado de voz de la misma manera que lo haría con un teclado?

Tengo que escribir mucho y debo usar el dictado de voz. Sin embargo, no parece "escribir" de manera consistente en todas las aplicaciones.

He tenido éxito con la función en algunas aplicaciones nativas como MS Word, gVIM y macOS Notes. Me he dado cuenta de que a menudo no será un flujo constante de "mecanografía", sino que a veces explotará varias palabras y luego retrocederá y corregirá una vez que determine una mejor interpretación basada en el contexto posterior. Por ejemplo, si dice "3:26 PM" comenzará a estallar "tres veintiséis", retroceda y reemplace con "3:26 PM" porque finalmente se dio cuenta de que estaba dictando una hora del día.

En particular, estoy tratando de usar esto en una sesión de Citrix Receiver en una máquina remota. Parece que los ajustes de "retroceso y reemplazo" no llegan a la sesión remota y vería algo más como "tres veintiséis 3:26 PM".

Sospecharía que no registra eventos de pulsación de teclas ya que no está presionando físicamente las teclas, pero parece que Citrix no está mirando "PRESIONES DE TECLAS" de todos modos dado que alguna entrada funciona. Sin embargo, tengo curiosidad por saber exactamente cómo está interactuando con el software que espera entrada. ¿Quizás las correcciones no son simplemente operaciones de "retroceso" sino más operaciones de "eliminar palabras anteriores" que haría una combinación de pulsaciones de teclas?

¿Alguien tiene una idea aquí?

La respuesta corta a su pregunta es complicada ...

Dependiendo de cómo se desarrolló la aplicación, podría usar cualquier número de API diferentes de Swift, Cocoa, Carbon.

Si su aplicación utiliza elementos de la interfaz de usuario estándar de Apple, como los campos de texto, entonces es probable que tenga una forma de colocar el texto directamente en el campo, sin embargo, Apple probablemente ha agregado funcionalidad para admitir otro software mediante la simulación de pulsaciones de teclas.

Lo bien que esto sea compatible depende del desarrollador de la aplicación.

Como ejemplo, una aplicación como Citrix probablemente no usa ningún elemento de interfaz de usuario estándar porque no tiene un cuadro de texto para escribir, en su lugar, muestra una imagen de una computadora y registra dónde hace clic en esa imagen, enviándola a la otra computadora, de manera similar, tiene que grabar sus pulsaciones de teclas, pero evidentemente no lo está haciendo muy bien.

Microsoft Word es probablemente una base de código muy antigua que ha crecido desde los días de Carbon, lo que puede explicar por qué no funciona como se esperaba, y no sé qué gVIM, pero creo que te refieres a MacVim, pero como es un puerto de otro proyecto, puede que no haya sido probado para esto correctamente / no está en su lista de prioridades.

Por lo que vale, he tenido problemas similares al usar software como TextExpander y Dash, que completa automáticamente oraciones en Terminal, y al usar el propio software de escritorio remoto de Apple como Citrix, así que creo que esto es de esperar.