语音消息、转文字与语音输入(本机离线识别)
在组件世界「消息」里发语音消息,收到的语音在你的设备上自动转成文字;输入框和随手记还能语音输入。识别用本地离线模型,语音不会上传。
「消息」支持语音消息:按住说话、松手发送,对方不在线也能收到。收到的语音可以在你自己的设备上转成文字,输入框和随手记还能语音输入。识别全部用本地离线模型完成,语音不会上传到任何服务器。
发语音
- 在对话底部点声波图标(或按 Alt+V),输入框变成「按住 说话」。
- 手机:按住说话,松手发送;说话时手指上滑再松手 = 取消。
- 电脑:按住说话、松开发送;或者点一下开始录,再点「发送」(或再按 Alt+V)发出,Esc 取消。
- 最长 60 秒,最后 10 秒会提示剩余时间,到点自动发送。点键盘图标切回打字。
语音和文字、图片一样端到端加密,对方不在线时进加密收件箱(最长 7 天,送达即删),群聊里同样可用。录音格式是 Opus(Safari 是 AAC),一分钟约 180 KB。
听语音
- 点播放键播放 / 暂停;在波形上点或拖动可以跳到任意位置;播放时点「1×」切换 1.5×、2× 倍速(会记住)。
- 没听过的语音旁边有红点;听完一条会自动播放下一条没听过的语音(中间隔着文字也会接着播)。
转文字
- 点语音条下面的「转文字」。第一次会提示下载本地模型(显示大小,只下载一次);之后在「消息设置 → 语音与转文字」里可以打开「收到语音自动转文字」。
- 文字显示在语音条下面,可以收起、复制、「重新识别」。识别结果只保存在这台设备上,不会发给对方。
- 发送方也可以打开「发语音时附上文字」:发送前在本机识别,文字和语音一起加密发给对方。
用的什么模型:
| 设备 | 识别方式 | 模型 |
|---|---|---|
| 电脑版(Apple 芯片 Mac、Linux) | 本机 whisper.cpp(Mac 用 Metal 加速) | tiny 约 32 MB、base 约 60 MB(推荐)、small 约 190 MB |
| 网页、Windows / Intel Mac 电脑版、手机 | 浏览器里的本地模型(WebAssembly) | tiny 约 43 MB、base 约 80 MB |
都是 Whisper 多语模型,中文、英文、日文、韩文都能认;中文按界面语言输出简体或繁體。模型从 Hugging Face(中国大陆自动换镜像)下载,保存在本机,可以在「语音与转文字」里删除。识别速度和设备有关,一般几秒钟一条。
语音输入
在聊天输入框或随手记里点麦克风(聊天里也可以按 Alt+D),说话时会实时显示识别到的内容,再点一下结束,文字插入到光标处,改完再发。
- 优先用本地模型;没有下载模型时可以选「下载本地模型」,或者用浏览器自带的语音识别——浏览器自带识别可能会把声音发到浏览器厂商(如 Google、Apple)的服务器,第一次使用会提示。
- 最长 2 分钟一段。
常见问题
- 提示没有麦克风权限:在浏览器地址栏左侧或系统设置里允许麦克风;电脑版第一次录音会弹系统授权框。
- 这台设备不能转文字:浏览器太老(不支持 WebAssembly / Cache Storage)时只能播放,不影响收发。
- 会产生费用吗:不会。识别全部在你的设备上完成,我们没有任何服务器成本,也不扣火花。
- 显示「没听清,点一下重试」:识别按你的界面语言进行(对方说别的语言时,在「消息设置 → 语音与转文字 → 识别语言」里改)。结果像乱码、不停重复或语种不对时,我们不会显示它,请换个安静的地方或说慢一点后重试。网页上识别中文默认用标准(base)模型。
最后更新:2026年11月18日