语音
WenwoBot 可以把机器人的回复读出来,也可以进入「通话模式」直接和机器人语音对话。语音服务商需要在 设置 → 语音 中配置,例如使用你自己的 ElevenLabs 密钥;没有配置时语音功能为关闭状态,按钮会说明原因。
密钥留在本机服务里
界面本身从不直接访问语音服务商。应用向本机的 WenwoBot 服务请求音频,由服务保管密钥;设置页只会显示「已配置 / 未配置」,与其他所有凭据的规则相同。
读出来的内容
智能体的回复是写给屏幕看的:代码块、文件路径、表格、成串的链接。逐字读出来会非常难听,所以 WenwoBot 会读正文、概括这些内容的名称、略过语法符号,并按句子分段——播放当前一段的同时预先获取下一段。
通话模式
- 半双工: 机器人说话时麦克风关闭,只有机器人不说话时才收音,避免把机器人自己的声音又转写回对话。想打断它,点一下、按空格键或 Esc 即可。
- 本地断句: 在 Mac 上使用系统自带的语音识别,说完后安静约 0.85 秒就会结束这一句并发送。
- 过程播报: 智能体的一轮可能要 5–60 秒的工具调用,长时间沉默会让人以为断线了,所以每个活动提示都会在发生时读出来。
- 语音审批: 审批卡片会被读出来,用「是 / 否」回答。任何不是明确决定的话都会被拒绝并重新询问——绝不会因为一句话里恰好有「好的」就当作同意。其他问题也会被读出来,你接下来说的完整一句话就是回答。
延迟主要来自智能体本身而不是语音。想让通话更像对话,可以让你通话的机器人使用速度快的模型,把真正的工作交给其他专门的机器人。