語音訊息、轉文字與語音輸入(本機離線識別)
在組件世界「訊息」裡發語音訊息,收到的語音在你的設備上自動轉成文字;輸入框和隨手記還能語音輸入。識別用本地離線模型,語音不會上傳。
「訊息」支援語音訊息:按住說話、松手傳送,對方不線上也能收到。收到的語音可以在你自己的設備上轉成文字,輸入框和隨手記還能語音輸入。識別全部用本地離線模型完成,語音不會上傳到任何伺服器。
發語音
- 在對話底部點聲波圖示(或按 Alt+V),輸入框變成「按住 說話」。
- 手機:按住說話,松手傳送;說話時手指上滑再松手 = 取消。
- 電腦:按住說話、松開傳送;或者點一下開始錄,再點「傳送」(或再按 Alt+V)發出,Esc 取消。
- 最長 60 秒,最後 10 秒會提示剩餘時間,到點自動傳送。點鍵盤圖示切回打字。
語音和文字、圖片一樣端到端加密,對方不線上時進加密收件箱(最長 7 天,送達即刪),群聊裡同樣可用。錄音格式是 Opus(Safari 是 AAC),一分鐘約 180 KB。
聽語音
- 點播放鍵播放 / 暫停;在波形上點或拖動可以跳到任意位置;播放時點「1×」切換 1.5×、2× 倍速(會記住)。
- 沒聽過的語音旁邊有紅點;聽完一條會自動播放下一條沒聽過的語音(中間隔着文字也會接着播)。
轉文字
- 點語音條下面的「轉文字」。第一次會提示下載本地模型(顯示大小,只下載一次);之後在「訊息設定 → 語音與轉文字」裡可以打開「收到語音自動轉文字」。
- 文字顯示在語音條下面,可以收起、複製、「重新識別」。識別結果只儲存在這臺設備上,不會發給對方。
- 傳送方也可以打開「發語音時附上文字」:傳送前在本機識別,文字和語音一起加密發給對方。
用的什麼模型:
| 設備 | 識別方式 | 模型 |
|---|---|---|
| 電腦版(Apple 芯片 Mac、Linux) | 本機 whisper.cpp(Mac 用 Metal 加速) | tiny 約 32 MB、base 約 60 MB(推薦)、small 約 190 MB |
| 網頁、Windows / Intel Mac 電腦版、手機 | 瀏覽器裡的本地模型(WebAssembly) | tiny 約 43 MB、base 約 80 MB |
都是 Whisper 多語模型,中文、英文、日文、韓文都能認;中文按介面語言輸出簡體或繁體。模型從 Hugging Face(中國大陸自動換鏡像)下載,儲存在本機,可以在「語音與轉文字」裡刪除。識別速度和設備有關,一般幾秒鐘一條。
語音輸入
在聊天輸入框或隨手記裡點麥克風(聊天裡也可以按 Alt+D),說話時會實時顯示識別到的內容,再點一下結束,文字插入到游標處,改完再發。
- 優先用本地模型;沒有下載模型時可以選「下載本地模型」,或者用瀏覽器自帶的語音識別——瀏覽器自帶識別可能會把聲音發到瀏覽器廠商(如 Google、Apple)的伺服器,第一次使用會提示。
- 最長 2 分鐘一段。
常見問題
- 提示沒有麥克風權限:在瀏覽器地址欄左側或系統設定裡允許麥克風;電腦版第一次錄音會彈系統授權框。
- 這臺設備不能轉文字:瀏覽器太老(不支援 WebAssembly / Cache Storage)時只能播放,不影響收發。
- 會產生費用嗎:不會。識別全部在你的設備上完成,我們沒有任何伺服器成本,也不扣火花。
- 顯示「沒聽清,點一下重試」:識別按你的介面語言進行(對方說別的語言時,在「訊息設定 → 語音與轉文字 → 識別語言」裡改)。結果像亂碼、不停重複或語種不對時,我們不會顯示它,請換個安靜的地方或說慢一點後重試。網頁上識別中文預設用標準(base)模型。
最後更新:2026年11月18日