语音

说出任务，整理成文字，再交给 EvoX。

使用输入框听写，可以把想法、任务要求或补充说明转成可编辑的文字。发送前，你仍可以检查内容、添加文件，或调整任务范围。

需要处理录音或生成旁白时，使用内置语音插件。听写与音频处理是两条不同的流程；当前不提供实时双向语音通话。

开始听写

1. 打开你要继续的会话或任务。
2. 在输入框选择麦克风，首次使用时允许系统麦克风权限。
3. 说出任务要求，结束听写后检查生成的文字。
4. 修改人名、数字、文件名等容易识别出错的部分，确认后再发送。

听写只负责把语音转成输入文本，不会因为你说完就自动执行任务。继续已有任务时，可以先查看会话上下文，再补充新的要求。

把想法说成任务

先说明要做什么，再补充材料、范围和期望的输出。不需要一次说得很完整，听写后可以继续编辑。

例如：

• “根据这些项目记录，整理本周进展，列出已完成事项和待解决的问题。”
• “把这段介绍改成适合演示开场的讲稿，保留关键事实。”
• “继续刚才的任务，先给我修改建议，暂时不要改文件。”

任务仍遵循当前会话的权限与确认流程。使用语音输入不会额外授权文件修改、外发或发布。

处理录音与生成语音

如果你已经有音频文件，或想把文字制作成音频，使用内置的 speech-generation 插件。插件首次启动默认可用；手动关闭后，可从扩展 > 已安装重新配置并开启。

远程合成、克隆和转写需要在插件配置中保存活动供应商，并准备对应凭证。支持 OpenAI、Google 和 StepFun。插件自身的远程调用只使用已配置的供应商；本地转写不需要供应商 Key。

• 转写录音：默认用本地 whisper.cpp 生成带时间轴的 SRT 字幕，也可指定纯文本。只有明确选择远程供应商时才上传录音。
• 生成旁白：先查看可用音色，生成短试听，确认后再生成完整音频。
• 复用授权音色：使用参考录音和供应商要求的同意证据登记音色。

生成的音频和转写稿保存在对应的任务产物目录，插件不接受任意输出目录。插件的启用方式见技能与插件。

准备本地转写

本地转写需要电脑上已有 whisper-cli 和 ggml 模型文件，EvoX 不内置这两项依赖。让 whisper-cli 可从系统 PATH 找到，将模型放入 EvoX 的 <agentDir>/models，或在任务中提供模型的绝对路径。macOS 可通过 brew install whisper-cpp 安装转写程序。

先用一段短录音验证转写，核对人名、时间轴与输出文件。缺少程序或模型时，按错误提示补齐依赖；不要为了消除错误直接改为远程服务。需要转换音频格式时，使用 WAV、MP3、FLAC 或 OGG。转写稿保存到 <agentDir>/artifacts/transcripts/，使用新文件名，原录音保持不变。

听写与音频转写有什么区别

这些能力不包含实时变声或实时语音通话。

权限与录音安全

听写需要系统麦克风权限。语音插件使用本地转写时不上传录音；选择远程供应商前，核对服务名称、录音外发范围和供应商计费。调用是否逐次询问由当前会话的审批档位决定；完全访问会自动批准供应商工具调用，不能把“每次都会弹确认卡”当作防止外发的保障。

只克隆自己的声音或已获得明确授权的声音。供应商要求的同意录音必须由本人真实朗读，EvoX 不能代为生成或确认权利声明。

常见问题

• 麦克风没有反应：检查系统麦克风权限、输入设备和 EvoX 当前选择的麦克风。
• 听写内容不准确：先检查人名、数字和文件路径，再编辑文字；不要未经核对就发送。
• 找不到音频处理工具：在已安装列表检查 speech-generation 的开关与连接状态；远程处理再检查活动供应商与凭证。
• 本地转写无法开始：检查 whisper-cli、ggml 模型和输入格式；本地转写不靠填写远程 Key 修复。
• 不希望录音外发：音频文件转写优先选择本地处理；不要把本地转写的行为等同于所有听写或远程服务。