Voz
voicev0.3.1Sprachmodus inline im Chat: Diktat und freihändige Unterhaltung mit Live-Spektrum der Stimme und 3 wählbaren Engines
Beschreibung
Sprechen Sie mit dem Chat, ohne ein Modal zu öffnen: Das Eingabefeld wird direkt zu einer Sprachoberfläche mit reaktivem Spektrum, während der Gesprächsverlauf sichtbar bleibt. Zwei Modi nutzen dasselbe Mikrofon: momentanes Diktat (Sprache zu Text, zur Prüfung vor dem Senden) und interaktiver Sprachmodus zur freihändigen Nutzung (Sie sprechen, wird automatisch gesendet, und die KI antwortet laut). Drei austauschbare Engines lassen sich in den Einstellungen wählen: 'cascaded' (Standard; nutzt den nativen Chat-Ablauf, behält daher alle Tools, Artifacts und die Wissensdatenbank bei und berücksichtigt den Status von Auto Tools des Nutzers), 'audio-native' (Speech-to-Speech in einem Aufruf mit gpt-audio, geringere Latenz, reine Unterhaltung ohne Tools) und 'elevenlabs-realtime' (Full-Duplex mit niedriger Latenz und Unterbrechung per Barge-in über Conversational AI). Unterstützt BYOK: Jeder Nutzer kann seinen eigenen ElevenLabs-Schlüssel verwenden (verschlüsselt im Ruhezustand) oder den des Systems.
Funktionen (6)
Auf das Mikrofon tippen: Sprechen Sie, und der Text erscheint im Eingabefeld zur Prüfung vor dem Senden
Gedrückt halten: freihändige Unterhaltung mit VAD über Stille-Erkennung; die KI antwortet laut
Reaktive Sprachanzeige direkt im Composer (Web Audio), ohne Modals. Eigene Farbe pro Gesprächsbeitrag
Die Standard-Engine übernimmt den Status von Auto Tools: Artifacts, Wissensdatenbank und Tools bleiben verfügbar
cascaded · audio-native (gpt-audio, niedrige Latenz) · elevenlabs-realtime (Duplex mit Barge-in)
Jeder Nutzer kann den eigenen ElevenLabs-API-Schlüssel verwenden, verschlüsselt mit AES-256-GCM
Changelog
- Diktat und Sprachnotizen (#252): Die Transkription über AIML verwendet standardmäßig «nova-2»; «whisper-large» blieb dauerhaft in der Verarbeitung hängen, und das Diktat ging nach 3 Minuten verloren. Änderbar über AIML_STT_MODEL.