OpenMausBot语音模式如何让AI Bot开口回话甚至接打语音电话【免费下载链接】OpenMausBotOpen Source Alternative to Grok Bot with a virtual machine that bots can use项目地址: https://gitcode.com/gh_mirrors/op/OpenMausBotOpenMausBot 语音模式Voice Mode让开源 AI Bot 真正开口说话配置一个语音引擎后Bot 可以朗读回复、发送语音条在 macOS 上还能与你进行实时的半双工语音通话。本指南带你快速完成语音模式设置从自动朗读到接打语音电话一步到位。快速上手安装 OpenMausBot如果你还没有 OpenMausBot先克隆仓库并运行git clone https://gitcode.com/gh_mirrors/op/OpenMausBot cd OpenMausBot pnpm install pnpm start应用启动后你会在聊天窗口右上角看到两个新图标 通话按钮和 语音按钮——这就是语音模式的入口。 新手提示语音功能由语音引擎驱动引擎没配置时按钮会明确提示你尚未设置而不是报出神秘的错误。配置语音5种语音引擎怎么选在 应用设置 →Voice语音页签中选择语音引擎核心代码位于 src/components/VoiceSettings.tsx 与 server/tts/引擎类型是否需要 API Key适合谁ElevenLabs云端需要追求最自然音色Fish Audio云端需要喜欢 Fish 音色库Grok (xAI)云端复用工作区已有的 xAI Key已在使用 xAI 的用户Built-in Mac voices本地macOS不需要零成本快速体验Chatterbox (local)本地不需要完全离线、数据不出机器关键设计API Key 只保存在本地 harness服务端永远不会暴露给界面层遵循了 OpenMausBot 对所有凭证的统一安全规则详见 docs/voice-mode.md。推荐新手路线Mac 用户直接选Built-in Mac voices零配置即可发声想要更好音色去 ElevenLabs 或 Fish Audio 申请 Key粘贴保存在意隐私用 Chatterbox。自动朗读回复Bot 开口回话配置完成后做两件事让 Bot 主动开口朗读单条回复点击回复气泡上的扬声器按钮src/components/SpeakButton.tsx该条消息立即合成语音播放打开Read replies aloud开关在 Bot 个人资料里开启后新回复到达时自动朗读即使你正在别的聊天窗口也不错过。为什么听起来不机器味因为 Bot 平时写给屏幕看的内容——代码块、文件路径、表格——直接念出来是灾难。OpenMausBot 在服务端先用 server/tts/speech-text.ts 把 Markdown 改写成适合朗读的文本保留正文、点名产物、丢掉语法符号再把长文切分成短句utterance播当前句的同时预取下一句队列逻辑在 src/lib/tts/index.ts听感接近实时。语音条Bot 自己录消息给除了被动朗读Bot 还能主动发送语音条Voice note它在回合结束时自己写好一段不超过 1000 字的口播文案用配置的语音引擎合成 mp3 附在回复里。同一段文字会同时显示为字幕和转写文本所以不打听也看得懂、搜得到群聊里 Bot 发的语音条房间成员可以内联播放每个 Bot 可单独关闭语音条开关见 apps/docs/content/docs/features/voice-and-memory.mdx播放气泡组件见 src/components/VoiceNoteBubble.tsx。音频文件以 mp3 存在本地附件目录权限仅限所有者并占用 512 MiB 附件配额不会悄悄上传到任何地方。通话模式和 Bot 接打语音电话 这是语音模式最炫的部分在 macOS 上点击通话按钮就能和 Bot 进行实时语音对话。实现位于 src/components/CallView.tsx核心机制如下1. 半双工设计避免Bot 和自己聊天麦克风只在 Bot 不说话时才开启。因为本地语音识别没有回声消除如果扬声器和麦克风同时工作Bot 会把自己的声音转写成输入两个人其实是同一个 Bot就永远聊下去了。想打断 Bot点一下、按空格键或 Esc 即可。2. 轮次检测完全本地通话使用 Apple 的原生端侧语音识别SFSpeechRecognizer不上云、不捆绑 VAD 模型。当转写文本连续 850ms 不再变化系统判定你说完了自动把这句话发给 Bot。3. 长任务不再死线一个 Agent 回合可能是 5~60 秒的工具调用长时间沉默听起来像掉线。OpenMausBot 会把每个工具进度卡片同步念出来——你看到的进度条和你听到的播报来自同一份服务端文案tool.spoken两者永远不会对不上。4. 审批也能语音完成Bot 请求权限时比如执行一条命令卡片会读出来你只需回答 yes 或 no。回答不够明确它会拒绝推断并重新询问——同意永远不能靠猜。想让电话更像对话给常接电话的 Bot 换一个更快的模型让它把重活通过ask_bot委托给专家 Bot 去做——不需要任何新机制延迟体验立刻提升。语音输入说话代替打字macOS 桌面版的输入框自带 麦克风按钮使用 Apple 本地语音识别不上云按住说话、停止即发送Linux 与 Windows 暂未提供此功能。常见问题 FAQQ1为什么语音按钮是灰的 / 提示没配置语音功能区分两个状态configured保存了 Key和readyKey 都选好音色。两者缺一说话会收到明确的未设置提示而不是引擎故障。Q2没有 API Key 能用吗可以。Mac 用户选Built-in Mac voices或用 Chatterbox 本地引擎全程免费、零 Key。Q3语音通话支持哪些系统目前通话模式仅限 macOS因为依赖本地语音识别但朗读回复 语音条在所有平台都可用。Q4ElevenLabs 等云端引擎收费吗按字符计费费用取决于你朗读多少内容。这也是自动朗读默认关闭的原因之一。Q5群聊里 Bot 会说话吗每个 Bot 已有独立音色bot.voice但房间广播朗读还在路上。小结功能平台配置成本朗读单条回复全平台选个引擎即可Mac 本地音色零成本自动朗读新回复全平台打开一个开关语音条Voice note全平台同上语音通话接打电话macOS通话按钮一键接通麦克风语音输入macOS按住说话OpenMausBot 用一套Key 留在服务端 本地端侧识别 语音友好改写的设计把 AI Bot 从只能看变成了能听能说还能接电话。想深入了解设计取舍推荐阅读 docs/voice-mode.md 中的完整决策记录。现在就打开设置给你的 Bot 挑一个声音吧️【免费下载链接】OpenMausBotOpen Source Alternative to Grok Bot with a virtual machine that bots can use项目地址: https://gitcode.com/gh_mirrors/op/OpenMausBot创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考