语音输入与朗读
蓝莓办公支持多种语音用法：语音唤醒（喊一声唤醒对话）、按住说话（语音变文字）、语音对话（连续对话 + 播报）和回复朗读（文字变语音）。使用本地引擎时转写与合成的文字不出本机；配置云端端点（FunASR / OpenAI 兼容转写端点、MiniMax / Edge 合成等）时音频或文本会上传到对应服务，以该服务的隐私政策为准。
语音唤醒
设置 → 语音转写与合成 → 「语音唤醒」开启后，说出唤醒词即可唤醒语音对话：
- 默认唤醒词为「小蓝小蓝」，可自定义（最长 30 字符）
- 唤醒模型随安装包内置（约 3.3MB），识别在本机完成、不联网
- 唤醒词输入框旁的「测试」打开对话框：实时波形 + 10 秒一次性唤醒检测，确认你的短语能被可靠识别
- 唤醒后自动打开语音对话面板并开始收音；面板打开期间唤醒监听自动暂停
适合双手离开键盘的场景：进办公室喊一声，直接开口安排活儿。
按住说话
输入框右侧的麦克风按钮，按住说话，松开后自动转写成文字：
- 输入框为空时也可以长按输入框直接开口；已有文字时点麦克风按钮开始录音，再点一次停止
- 转写结果可以直接发送，也可以填入输入框先编辑（设置里可选）
- 说话太短会提示，不产生空消息
- 需要先在设置 → 语音转写与合成中配置转写引擎
适合手边没有键盘、或者口述比打字快的场景。
语音对话
输入框的「语音对话」按钮进入全屏语音模式：
- 开口说话，识别到停顿自动发送
- 蓝莓办公思考时显示状态
- 回复自动播报
- 播报中开口即可打断——不用等它说完
整个过程连续进行，像打电话。实时字幕全程可见，说的话和回复都显示在屏幕上。
回复朗读
消息上的朗读按钮把文字读出来。设置里可以配置：
- 自动朗读：关闭 / 只读最终回复（默认）/ 朗读执行过程
- 音色与语速：每个引擎有各自的音色槽位与试听，语速 0.5×–2.0×
- 朗读文本会自动跳过代码块、图片与链接，只读正文
引擎配置
设置 → 语音转写与合成：
| 引擎 | 用途 | 说明 |
|---|---|---|
| 转写模型 | 按住说话、语音附件 | 硅基流动（SenseVoiceSmall）、Groq（Whisper Turbo）、FunASR 端点、OpenAI 兼容自定义端点、本地 Whisper，或本地 Qwen3-ASR |
| 实时转写 | 语音对话 | 本地流式引擎，或「云端转写端点」（FunASR / OpenAI 兼容）：整句上送识别，字幕按句刷新 |
| 合成模型 | 朗读 | 本地引擎（MeloTTS / Kokoro / CosyVoice2）、MiniMax 云端语音、Edge TTS（微软在线、免费无需 Key）、自定义端点或自定义命令 |
补充说明：
- 本地 Whisper 安装：未配置时设置页显示「安装」按钮，自动装依赖进共享环境、流式下载模型（网络失败自动切镜像），进度实时显示
- 本地合成引擎常驻运行：装好后合成响应更快；选中引擎即预热，空闲时自动释放
- MiniMax 需要填 API Key（支持中国区/国际区）；Edge TTS 免费开箱即用
- 使用云端引擎时，朗读文本或语音会发送给对应服务商
蓝信语音消息
蓝信渠道收到的语音消息会自动转写成文字，随附件一起进入上下文。在渠道里发语音，桌面端也能处理。