跳到內容

語音:錄音、念出回覆與通話

按麥克風錄一段話送出,它會先轉成文字再回覆。開「念出回覆」,它會一邊寫一邊念。按電話鍵就能跟它通話。

這是什麼

不方便打字時,可以直接講給 agent 聽。agent 是你在 Dot Agents 裡建立的 AI 同事。

  • 錄音:按麥克風,講完按送出。你講的話會先轉成文字,它照常回覆文字。
  • 念出回覆:開著時,它回覆的同時會念出來。要回頭看的內容(表格、檔案、連結)照樣在畫面上。
  • 通話:你講話,它也用講的回你,像打電話一樣。適合來回討論,或手在忙的時候。

在哪裡找到它

這幾顆鍵都在對話頁的輸入框裡:

  • 念出回覆:迴紋針旁邊的喇叭。亮起來代表開著。
  • 錄音:送出鍵旁邊的麥克風。
  • 通話:麥克風旁邊的電話。
對話 · 錄音與念出回覆實際介面
輸入框的語音鍵:喇叭、麥克風和電話。按麥克風會換成錄音列:紅點、波形和已錄的時間。左下的 × 取消,右下送出。

系統要先設好語音模型,這些鍵才會出現。只設了語音轉文字,就只有麥克風。通話還要有語音主機,管理員設好之後才有電話鍵。

錄音送出

  1. 按輸入框的麥克風。第一次用時,瀏覽器會問能不能用麥克風,請選允許。
  2. 對著麥克風講。錄音列會顯示波形和時間。
  3. 講完按送出。要重來就按 ×。

一段最長 5 分鐘。到上限會自動送出。

送出後,你那一則訊息會有原始錄音的播放器,下面是轉好的文字。轉文字的這段時間,訊息會顯示「轉文字中…」。

對話 · 錄音送出的訊息與播放鍵實際介面
林你
幫我看一下明天上午的行程,有空檔的話約王經理開會。
上午08:30

明天上午 10 點到 11 點有空。我已經寄邀請給王經理,主旨是「Q4 產能檢討」,他回覆後會通知你。

上午08:30
錄音送出的那一則有播放器與轉好的文字。它的回覆底下多一顆喇叭,按了就念這一則。

輸入框裡已經打了字,再按錄音送出,打的字和講的話會一起送。

念出回覆

  1. 按迴紋針旁的喇叭,讓它亮起來。
  2. 照常送訊息,打字或錄音都可以。
  3. 它一邊寫一邊念。
  • 念的就是畫面上的字,只是不念格式符號。表格、程式碼和網址不念,它會說「詳細內容在畫面上」。
  • 開關記在這台電腦的瀏覽器,每位 agent 分開記。
  • 送出下一則訊息,或關掉開關,正在念的就會停。

單獨播放一則回覆

不開「念出回覆」,也能聽某一則:

  1. 把滑鼠移到那則回覆上。
  2. 按回覆底下動作列的喇叭。再按一次就停。

同一則回覆念過一次,語音就會保留下來。之後再播放,會直接開始,也不會再算一次用量。這段語音跟附件一樣保留 7 天。過了 7 天再按播放,會重新產生。

通話

  1. 按輸入框的電話鍵。第一次用時,瀏覽器會問能不能用麥克風,請選允許。
  2. 對話窗頂端出現通話列。顯示「聆聽中」就可以開始講。
  3. 講完停一下,它就會回答。它一邊說,畫面上一邊出現文字。
  4. 要結束,按通話列的結束通話。
對話 · 語音通話實際介面
通話列在對話窗頂端:頭像、狀態、通話時間和你的音量,右邊是靜音和結束通話。你講的話會變成訊息,旁邊有小麥克風。結束後留下一條「語音通話」和通話長度。

通話列的狀態:

狀態 意思
聆聽中 它在聽你說
思考中 它在想要怎麼回答
執行中 它在用工具做事,例如查資料或改排程
說話中 它在回答你

通話時可以這樣做:

  • 打斷它:它說話時直接開口,它就會停下來聽你說。咳嗽或背景的聲音不會打斷它。
  • 打字:要拼名字、補數字或貼網址時,在輸入框打字送出。它照樣用講的回你。
  • 看細節:表格、檔案和連結照常出現在畫面上。它只說重點,並告訴你細節在畫面上。
  • 換到別頁:通話不會斷。頂端會出現一條小通話列,按名字就回到這段對話。重新整理頁面會結束通話。

同一時間只能有一通通話。一通最長 60 分鐘,剩 5 分鐘時它會提醒你。

通話的聲音會另外算進團隊的用量:轉文字照通話時間算,念出來的照字數算。agent 回覆本身照一般對話算。

用哪個聲音

每位 agent 有自己的聲音,念出回覆、單獨播放和通話都用它。沒選過的 agent,會用一個會說它回覆語言的聲音。要換聲音,請看設定:頭像、模型、靈魂文件。

語氣

聲音能換口吻時,它會自己判斷要不要換。你不用設定。

  • 平常用一般的口吻。
  • 內容明顯帶情緒時才換。例如道歉時語氣抱歉,說到好事時語氣開心。
  • 你要求時一定換。例如「念一首詩,每一句用不同的情緒」「用溫柔的語氣跟我說晚安」。
  • 表格、程式碼、網址和數字不換。

畫面上的字不會多出任何記號。只有念出回覆、單獨播放和通話會換口吻。

哪些聲音能換口吻:

聲音 語氣
普通話的標準聲音,例如曉曉、雲希 大多可以換。每個聲音的語氣不一樣,它只用這個聲音有的
高擬真聲音 自己從內容判斷情緒
台灣的聲音 不換
地端的 Qwen3-TTS 1.7B CustomVoice 可以換

會遇到的狀況

錄音轉出來的字有錯

轉文字偶爾會聽錯人名或專有名詞。它會照意思理解。名字很重要時,可以在輸入框補打一次。團隊的詞庫也會讓這些名字比較容易聽對。

沒有電話鍵

系統還沒設好語音主機,或語音主機暫時連不上。請找管理員。錄音和念出回覆照常可以用。

我還沒講完,它就開始回答

講到一半停太久,它會以為你講完了。直接接著講就好,它會停下來,把兩段一起看。

它念的口吻都一樣

這個聲音不能換口吻,例如台灣的聲音。想聽它換語氣,到 agent 的設定換一個普通話的標準聲音,例如曉曉。

有些句子沒念

這個聲音只會說一種語言時,碰到別種語言的句子會跳過,畫面上的字照樣在。換一個「多語」聲音,就會每句都念。

相關頁

本頁對應 v0.168.0