---
description: >-
  原生语音——语音转文字输入、文字转语音输出、吉祥物口型同步，
  以及一个实时 Google Meet 智能体，能听会说。
icon: microphone
---

# 语音

OpenHuman 在你需要时是语音优先的。STT、TTS 和实时 Google Meet 智能体是核心的一部分，而非第三方插件。

## 语音转文字

* **热键**——按键说话和切换模式。
* **音频捕获**——跨平台麦克风捕获，带语音活动检测。
* **流式转录**——你说话时词语即时出现。
* **幻觉过滤器**——剥离已知人工产物（"感谢观看"、静默诱导短语）。
* **后处理**——标点、大写、听写清理。

听写可以替换你桌面上活动的文本输入，或直接发送到与智能体的聊天中。

## 文字转语音

回复语音通过托管 TTS 模型路由。智能体的回复可以用你选择的嗓音说出来，带自然的时机和韵律。语音选择可按用户配置，吉祥物头像通过 viseme 贴图与音频流口型同步。

## 实时 Google Meet 智能体

OpenHuman 的旗舰语音集成：

* 通过嵌入式 webview 加入 Google Meet。
* 实时流式输出音频到 STT，转录通话中的每个人，并在会议进行时将结构化笔记写入[记忆树](../obsidian-wiki/memory-tree.zh-CN.md)。
* 当你让它说话（或它觉得有需要补充的有用内容时），它通过 TTS 模型生成音频并**作为出站摄像头/麦克风流播放回会议**，这样其他参与者真的能听到它。

## 隐私

* 音频捕获是本地的。流式 STT 通过 OpenHuman 后端；除实时转录外不保留任何录音。
* TTS 音频流式传输后丢弃——不存储。
* 会议转录内容会像其他来源一样落入你的本地记忆树中。

## 另见

* [记忆树](../obsidian-wiki/memory-tree.zh-CN.md) —— Meet 转录和笔记存放的地方。
* [自动模型路由](../model-routing/) —— Meet 的大脑使用 `hint:fast` 实现低延迟对话轮次。