Skip to content

语音转文字 ​

**离线语音识别(转文字)**在 设置 → 增强功能 → 增强包 下载「本地语音转写」; **文字转语音(TTS)**的服务商在 设置 → 增强功能 → API 配置 → TTS 语音合成 中管理。

INFO

语音配置与账号无关,属于应用级设置。模型下载完成即可使用,旧版本已下载的完整模型也会自动启用。

1. 转录模型(语音转文字) ​

「本地语音转写」增强包一起准备 SenseVoice、词表和匹配的 Sherpa 引擎,不在用户机器上编译。管理列表显示占用、检查更新/更新及删除,下载量可在操作提示和任务进度查看。完整性和实际加载检查自动执行,完成后即可使用;已有资源直接复用,关闭设置页不停止任务。默认自动检查、手动安装,频率跟随软件更新,下载受省流量设置控制。删除前确认可移除大小,删除后本地语音转写不可用,功能偏好和已有结果保留。

TIP

模型文件较大,请在网络良好时下载。模型保存在本地,删除「账号缓存」不会影响它。

2. 转文字在聊天里的用法 ​

模型下载完成后,右键点击聊天里的语音消息,选择 转换为文字;也可使用语音条旁的 转文字 按钮。识别使用本地模型,语音文件缺失时沿用原有媒体下载流程。结果显示在语音下方,识别失败可点击 重试转文字。

在 设置 → 基础功能 → 消息阅读 → 内容显示 开启 语音消息自动转文字 后,当前浏览到的语音会依次转换,包括翻阅历史时进入视野的语音;默认关闭。需要先在 增强功能 → 增强包 准备本地语音转写,已有文字的不重复识别,失败后不会自动反复重试。此开关不扫描全部聊天记录,也不影响导出任务自己的转写选项。

转写结果上方还会带一排语气徽标:

  • 情绪(😊 开心 / 😔 难过 / 😠 生气 / 😨 害怕 / 🤢 厌恶 / 😮 惊讶 / 😐 平静)——说话人的语气;
  • 声音事件(🎵 背景音 / 👏 掌声 / 😂 笑声 / 😭 哭声 / 😷 咳嗽 / 🤧 喷嚏)——识别到的非语音声音。

这不是额外的情绪识别模型:SenseVoiceSmall 本身是多任务模型,会在识别文本里内联输出 <|HAPPY|> 这类富标签,WeQ 只是把标签拆成结构化字段(见 apps/desktop/src/main/transcribe/tags.ts)。 情绪与声音事件不写回数据库 —— QQ 读的 pttTranscript(wire 45923)必须是纯文本, 带上徽标反而会污染 QQ 自己的「转文字」显示与全文检索。

内置 AI 助手调用 transcribe_voice_message 时也会拿到 emotion / events 字段, 所以它能回答「对方说话是什么语气」这类问题。

导出时也可以勾选 语音转文字,把语音的转写文字一起写进导出结果(见导出中心)。 转写是导出里最慢的一步,所以消息文件会先落盘、转写完成后再回写进去:勾选后, TXT / CSV / HTML / ChatLab 交换格式里语音的位置显示的就是转写文本,而不是文件名 (HTML 的语音气泡仍是可播放的音频,转写文字显示在下方)。普通 JSON 导出保留元素 结构不变;XLSX 暂不支持回写。

导出会先吃现成的:元素上已经存过转写(QQ 自己转的,或者你在聊天里转过一次)就直接用, 哪怕这条语音的文件早被 QQ 清掉了也算数;本机没有文件、也没存过转写的,只要还能取回 (在线转写,或者现下一次)就一并尝试。新转出来的文字同样会写回消息元素,所以下一次 导出、以及聊天窗口里都会直接看到。

转写失败排查 ​

若多条语音都提示「识别进程异常退出」,先查看失败详情里的具体原因;退出码本身不能说明 语音文件或模型是否损坏。若提示缺少 transcribeWorker.mjs、sherpa-onnx-node 或原生绑定, 请在增强包页重试准备;仅 worker 文件缺失时需要更新或重新安装基础应用。反馈时附上 WeQ 版本、macOS 版本、芯片类型(Intel / Apple 芯片)及错误详情;分享截图前注意遮挡个人文件路径。

3. TTS 语音合成 ​

「TTS 语音合成」卡片配置文字转语音服务商。配好后,克隆体(好友克隆)才能发语音;支持复刻 的厂商还能用 TA 本人的声音说话。

添加服务商 ​

点「新建」打开弹窗,选择厂商模板(会自动带出默认 Base URL),再按模板要求填写字段:

字段说明
显示名称必填,ID 由系统从名称自动生成
服务地址 (Base URL)必填
API Key部分厂商需要
App ID / Resource ID豆包等厂商需要
模型 / 复刻模型可留空用默认;复刻模型是语音克隆专用
默认音色预置音色 id
音频格式 / 语速可选

支持的厂商模板包括:OpenAI 兼容、GPT-SoVITS、MiniMax、Mimo、豆包、CosyVoice 等。带 可复刻 徽章的厂商(如 CosyVoice / GPT-SoVITS)能用克隆体的真实语音作参考音频。

操作 ​

  • 保存:写入配置;
  • 测试:校验连通性;能生成的会播放一段样例语音;
  • 删除:移除该服务商。

4. 与克隆体联动 ​

在克隆体的「语音」设置里开启语音克隆后,会自动用 TA 的真实语音作参考音频。详见 AgentLab。


下一步 → 维护与诊断工具

当前文档对应 v2.7.4 · 已发布内容以 CHANGELOG 为准