语音输入

Wesclaw 支持语音输入功能，让你可以通过语音与 AI 助手对话，无需手动打字。无论是快速提问、口述长文还是在手忙脚乱时发出指令，语音输入都能显著提升你的使用效率。

功能概述

语音输入基于 Whisper 语音转文字引擎，能够将你的语音实时转换为文字，并作为对话消息发送给 AI 助手。

主要特性：

• 高精度识别：基于 OpenAI Whisper 模型，识别准确率高
• 多语言支持：支持中文、英文及数十种语言
• 本地处理：语音转写可在本地完成，保护隐私
• 实时反馈：边说边转写，即时看到识别结果

支持的语言

Wesclaw 的语音识别支持以下主要语言：

提示：语音识别会自动检测语言，你也可以在设置中指定首选语言以提高识别准确度。

配置方法

桌面版配置

1. 打开 Wesclaw 桌面应用
2. 进入 设置 → 语音输入
3. 配置以下选项：

# config.yaml 语音相关配置
stt:
  enabled: true
  language: "zh"          # 首选识别语言
  model: "whisper-large"  # 使用的 Whisper 模型
  vad_enabled: true       # 语音活动检测（自动开始/停止）

麦克风权限

首次使用语音输入时，系统会请求麦克风权限：

• macOS：在 系统设置 → 隐私与安全性 → 麦克风 中授权
• Windows：在 设置 → 隐私 → 麦克风 中授权
• Linux：确保 PulseAudio 或 PipeWire 正常运行

快捷键设置

默认语音输入快捷键：

使用方法

基本使用

1. 在对话输入框旁点击 🎤 麦克风按钮，或使用快捷键
2. 看到录音指示器亮起后开始说话
3. 说完后再次点击按钮或按快捷键停止
4. 转写的文字会自动填入输入框
5. 确认无误后按 Enter 发送

语音活动检测（VAD）

开启 VAD 后，系统会自动检测你何时开始说话、何时停顿：

• 检测到静音超过 2 秒自动停止录音
• 无需手动点击停止按钮
• 适合短句、快速指令场景

长文口述

如果你需要口述较长的内容：

1. 关闭 VAD 功能（避免因停顿被中断）
2. 点击麦克风按钮开始录音
3. 持续说话，可以适当停顿
4. 说完所有内容后手动点击停止
5. 检查转写结果并编辑后发送

使用场景

场景一：快速提问

在你手头忙碌时，直接语音提问：

"帮我查一下明天北京的天气怎么样"

AI 助手会将语音转为文字后正常回复。

场景二：口述邮件

需要撰写一封邮件时：

"帮我写一封邮件给张总，内容是关于下周三的项目评审会议，时间改到下午两点，地点在三楼会议室，请他提前准备好项目进度报告"

场景三：翻译辅助

对着 AI 说中文，让它翻译为英文：

"请把下面这段话翻译成英文：我们公司计划在下个季度推出新产品"

场景四：会议记录整理

将会议录音要点口述给 AI 整理：

"今天会议讨论了三个议题，第一是产品上线时间确定为十月一号，第二是市场推广预算增加百分之二十，第三是招聘两名前端开发工程师"

注意事项

环境要求

• 安静环境：嘈杂环境会影响识别准确度
• 麦克风质量：建议使用专用麦克风或耳机麦克风
• 网络连接：如使用云端 Whisper 模型，需要稳定网络

隐私安全

• 本地模式下，语音数据不会离开你的设备
• 云端模式下，音频数据仅用于转写，不会被存储
• 转写后的音频数据会立即从内存中清除

已知限制

• 方言识别准确度可能低于普通话
• 专业术语可能需要后续手动修正
• 极短语音（不到 1 秒）可能无法正确识别
• 多人同时说话的场景识别效果较差

最佳实践

1. 语速适中：不要太快或太慢，保持自然语速
2. 吐字清晰：尽量清晰发音，尤其是专业术语
3. 分段输入：长内容建议分段口述，便于检查和修正
4. 即时确认：发送前养成检查转写结果的习惯

常见问题

Q: 语音识别不准确怎么办？

A: 尝试以下方法：

• 切换到更安静的环境
• 在设置中指定首选语言
• 尝试使用更大的 Whisper 模型（如 large-v3）
• 放慢语速，清晰发音

Q: 点击麦克风按钮没有反应？

A: 请检查：

• 是否已授予麦克风权限
• 麦克风设备是否正常连接
• 音频驱动是否正常工作

Q: 可以同时使用语音和文字输入吗？

A: 可以。你可以先用语音输入一部分内容，然后在输入框中手动编辑补充，再一起发送。