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。
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
- 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。
- 對著麥克風講。錄音列會顯示波形和時間。
- 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…」。
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。
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
- 按迴紋針旁的喇叭,讓它亮起來。
- 照常送訊息,打字或錄音都可以。
- 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:
- 把滑鼠移到那則回覆上。
- 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
- 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。
- 對話窗頂端出現通話列。顯示「聆聽中」就可以開始講。
- 講完停一下,它就會回答。它一邊說,畫面上一邊出現文字。
- 要結束,按通話列的結束通話。
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
瀏覽器只讓 https:// 開頭的網址用麥克風。地端安裝如果用 http:// 開,請管理員先設好 HTTPS。
你之前拒絕過麥克風。請按網址列旁的設定,把麥克風改成允許,再按一次。
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。
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。
公司網路可能擋住了通話用的連線。請找管理員。地端安裝要讓使用者的電腦連得到主機的 TCP 7881 與 UDP 7882。
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。
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。
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
- 附件、錄音與 @ 指名:上傳已經錄好的會議錄音。
- 設定:頭像、模型、靈魂文件:換聲音、調語速。
本頁對應 v0.168.0