Voz
voicev0.3.1Inline-äänitila chatissa: sanelu ja handsfree-keskustelu reaaliaikaisella äänispektrillä ja kolmella valittavalla moottorilla
Kuvaus
Puhu chatille avaamatta erillistä ikkunaa: tekstikenttä muuttuu suoraan reaktiiviseksi äänipinnaksi samalla, kun keskusteluketju pysyy näkyvissä. Kaksi käyttökokemusta samalla mikrofonilla: hetkellinen sanelu (puheesta tekstiksi tarkistusta varten ennen lähetystä) ja interaktiivinen handsfree-äänitila (puhu, viesti lähetetään automaattisesti ja tekoäly vastaa ääneen). Kolme asetuksista vaihdettavaa moottoria: 'cascaded' (oletus; käyttää chatin natiivia työnkulkua, joten se SÄILYTTÄÄ kaikki tools-, artifacts- ja KB-elementit sekä kunnioittaa käyttäjän Auto Tools -tilaa), 'audio-native' (puheesta puheeksi -puhelu gpt-audiolla, pienempi viive, puhdas keskustelu ilman työkaluja) ja 'elevenlabs-realtime' (matalan viiveen kaksisuuntainen yhteys keskeytystoiminnolla Conversational AI:n kautta). BYOK-tuki: jokainen käyttäjä voi käyttää omaa ElevenLabs-avaintaan (salattu tallennettaessa) tai järjestelmän avainta.
Ominaisuudet (6)
Napauta mikrofonia: puhu, ja teksti ilmestyy kenttään tarkistettavaksi ennen lähettämistä
Pidä painettuna: handsfree-keskustelu hiljaisuuden tunnistuksella (VAD); tekoäly vastaa ääneen
Reaktiivinen äänivisualisointi suoraan tekstikentässä (Web Audio) ilman erillisiä ikkunoita. Eri väri kullekin puheenvuorolle
Oletusmoottori perii Auto Tools -tilan: artifacts, KB ja työkalut pysyvät käytettävissä
cascaded · audio-native (gpt-audio, matala viive) · elevenlabs-realtime (kaksisuuntainen keskeytyksellä)
Jokainen käyttäjä voi käyttää omaa ElevenLabs API-avaintaan, joka on salattu AES-256-GCM-algoritmilla
Changelog
- Sanelu ja ääniviestit (#252): AIML-litterointi käyttää oletuksena ”nova-2”-mallia; ”whisper-large” jäi jumiin käsittelyvaiheeseen ja sanelu katkesi 3 minuutin kuluttua. Voidaan muuttaa asetuksella AIML_STT_MODEL.