語音

説出任務，整理成文字，再交給 EvoX。

使用輸入框聽寫，可以把想法、任務要求或補充説明轉成可編輯的文字。發送前，你仍可以檢查內容、添加文件，或調整任務範圍。

需要處理錄音或生成旁白時，使用內置語音插件。聽寫與音頻處理是兩條不同的流程；當前不提供實時雙向語音通話。

開始聽寫

1. 打開你要繼續的會話或任務。
2. 在輸入框選擇麥克風，首次使用時允許系統麥克風權限。
3. 説出任務要求，結束聽寫後檢查生成的文字。
4. 修改人名、數字、文件名等容易識別出錯的部分，確認後再發送。

聽寫只負責把語音轉成輸入文本，不會因為你説完就自動執行任務。繼續已有任務時，可以先查看會話上下文，再補充新的要求。

把想法説成任務

先説明要做什麼，再補充材料、範圍和期望的輸出。不需要一次説得很完整，聽寫後可以繼續編輯。

例如：

• “根據這些項目記錄，整理本週進展，列出已完成事項和待解決的問題。”
• “把這段介紹改成適合演示開場的講稿，保留關鍵事實。”
• “繼續剛才的任務，先給我修改建議，暫時不要改文件。”

任務仍遵循當前會話的權限與確認流程。使用語音輸入不會額外授權文件修改、外發或發佈。

處理錄音與生成語音

如果你已經有音頻文件，或想把文字製作成音頻，使用內置的 speech-generation 插件。插件首次啓動默認可用；手動關閉後，可從擴展 > 已安裝重新配置並開啓。

遠程合成、克隆和轉寫需要在插件配置中保存活動供應商，並準備對應憑證。支持 OpenAI、Google 和 StepFun。插件自身的遠程調用只使用已配置的供應商；本地轉寫不需要供應商 Key。

• 轉寫錄音：默認用本地 whisper.cpp 生成帶時間軸的 SRT 字幕，也可指定純文本。只有明確選擇遠程供應商時才上傳錄音。
• 生成旁白：先查看可用音色，生成短試聽，確認後再生成完整音頻。
• 複用授權音色：使用參考錄音和供應商要求的同意證據登記音色。

生成的音頻和轉寫稿保存在對應的任務產物目錄，插件不接受任意輸出目錄。插件的啓用方式見技能與插件。

準備本地轉寫

本地轉寫需要電腦上已有 whisper-cli 和 ggml 模型文件，EvoX 不內置這兩項依賴。讓 whisper-cli 可從系統 PATH 找到，將模型放入 EvoX 的 <agentDir>/models，或在任務中提供模型的絕對路徑。macOS 可通過 brew install whisper-cpp 安裝轉寫程序。

先用一段短錄音驗證轉寫，核對人名、時間軸與輸出文件。缺少程序或模型時，按錯誤提示補齊依賴；不要為了消除錯誤直接改為遠程服務。需要轉換音頻格式時，使用 WAV、MP3、FLAC 或 OGG。轉寫稿保存到 <agentDir>/artifacts/transcripts/，使用新文件名，原錄音保持不變。

聽寫與音頻轉寫有什麼區別

這些能力不包含實時變聲或實時語音通話。

權限與錄音安全

聽寫需要系統麥克風權限。語音插件使用本地轉寫時不上傳錄音；選擇遠程供應商前，核對服務名稱、錄音外發範圍和供應商計費。調用是否逐次詢問由當前會話的審批檔位決定；完全訪問會自動批准供應商工具調用，不能把“每次都會彈確認卡”當作防止外發的保障。

只克隆自己的聲音或已獲得明確授權的聲音。供應商要求的同意錄音必須由本人真實朗讀，EvoX 不能代為生成或確認權利聲明。

常見問題

• 麥克風沒有反應：檢查系統麥克風權限、輸入設備和 EvoX 當前選擇的麥克風。
• 聽寫內容不準確：先檢查人名、數字和文件路徑，再編輯文字；不要未經核對就發送。
• 找不到音頻處理工具：在已安裝列表檢查 speech-generation 的開關與連接狀態；遠程處理再檢查活動供應商與憑證。
• 本地轉寫無法開始：檢查 whisper-cli、ggml 模型和輸入格式；本地轉寫不靠填寫遠程 Key 修復。
• 不希望錄音外發：音頻文件轉寫優先選擇本地處理；不要把本地轉寫的行為等同於所有聽寫或遠程服務。