语音提示 — Liu Terminal

Liu Terminal 语音提示。用 Cmd+Shift+M 向任意分屏口述——Whisper large-v3-turbo 在本机运行，支持 100 种语言，也可改用云端语音 API。

说出提示词，Liu 会把它输入到你正在看的那个分屏。Whisper large-v3-turbo 在你的机器上本地运行——无需联网、无需账号——你也可以改用云端语音 API。

如何触发

按 Cmd+Shift+M 开始录音，再按一次停止。右下角会出现一张卡片，用实时波形显示麦克风听到的内容。在你确实说过话之后，若出现几秒静音，录音也会自动停止；同时有一个硬性上限，避免忘记关闭时无限录音。Esc 取消。

文字会输入到哪里： 当前获得焦点的分屏，而不是"那个代理"。你在看某一个分屏，自然期望文字出现在光标所在处——这也让它能在普通 shell、REPL 以及将来出现的任何 CLI 中工作。转写结果中的换行会变成空格，因为对代理 CLI 来说回车不是空白字符：它会提交提示词。除非你开启自动提交，否则由你决定何时发送。

后端

本地（默认） — Whisper large-v3-turbo，从设置 › Voice 一次性下载（547 MB），与其他模型一起放在 Application Support 下。Apple 芯片上走 Metal，其他平台走可移植的 C 路径，还有一个默认关闭的实验性 Vulkan 后端。音频永远不会离开这台机器。
API — 录音会改为发送到云端转写端点：OpenAI、Groq、ElevenLabs，或通过自定义 base URL 指向任何 OpenAI 兼容服务。密钥保存在 config.json 或该服务商惯用的环境变量中，并且绝不会出现在进程命令行里。适合没有 GPU 路径的硬件，或者你不想在本地放一个 547 MB 的模型。

麦克风与语言

设置 › Voice 会列出所有输入设备，并按持久标识符固定你选中的那个，而不是按名称或位置——两个同型号 USB 麦克风会报出相同名称，而索引会随设备插拔而变化。这比听起来更重要：插上耳机或接入带摄像头的显示器时，系统默认输入会自行改变，而一个"错但能用"的输入照样画出波形，只不过录的是另一个房间。

语言选择器提供 Auto 以及模型训练过的全部 100 种语言。Auto 只在第一个窗口多花一步解码，而且远比钉错语言更常正确，因此排在最前。

用一种语言口述、发送英文

打开 "To English"，无论你说什么语言，转写结果都会是英文。有一个细节值得知道：large-v3-turbo 是只针对转写任务蒸馏出来的模型，完全无法执行 Whisper 的翻译任务——被要求翻译时它返回的是省略号而不是报错。Liu 会从模型本身检测到这一点，转而把转写文本送进它的 Translate 引擎，因此该功能在自带模型上依然可用。在 API 后端或完整的 large-v3 上，翻译则在源头一步完成。

配置

所有选项都在设置的 Voice 标签页中，并会写入 config.json：

voice_enabled, voice_backend (0 = local, 1 = API)
voice_model_path, voice_lang, voice_translate
voice_input_device, voice_auto_submit
voice_max_seconds, voice_silence_stop_sec
voice_api_provider, voice_api_model, voice_api_key, voice_api_base_url

默认值为本地后端、自动语言检测、最长 120 秒录音、说话后静音 2 秒自动停止、翻译关闭和自动提交关闭。API 后端会将录音上传到所选提供商；本地后端将音频保留在本机。

文档

开始使用

指南

参考

其他语言

English · Türkçe · 한국어 · Español · Deutsch · Italiano · Français · 日本語 · العربية