MINARA

語音

用語音和 Minara 對話並聽它回答 : 網頁終端與各消息平臺均支持,回覆邊生成邊逐句朗讀。

Minara 在所有聊天界面支持語音。網頁終端裡用麥克風按鈕口述消息,回覆會 邊生成邊朗讀(首句不到一秒即可聽到)。在消息平臺上發送語音條,agent 會 轉寫、用文字回答,開啟後還會附帶一條語音回覆。

配置

語音使用可插拔的語音服務,設置其一:

  • ELEVENLABS_API_KEY : 設置後優先使用(合成延遲最低,Scribe 聽寫)。
  • OPENAI_API_KEY : 回退方案,也是唯一能產出 OGG/Opus 語音條的服務 (Telegram、飛書、WhatsApp 會渲染為原生語音氣泡)。

消息平臺語音回覆用 MESSAGING_VOICE_REPLY=1 開啟,入站轉寫用 MESSAGING_INBOUND_TRANSCRIBE=1 開啟。語音消息會持久化進聊天記錄: 你的消息保留原始錄音,回覆保留當時朗讀的音頻。

平臺支持

平臺接收語音發送語音回覆說明
網頁終端每個聊天界面都有麥克風按鈕 + 流式朗讀
Telegram原生語音條(OGG/Opus)
Discord音頻附件
Slack音頻文件上傳
WhatsAppCloud API audio 類型;Opus 渲染為語音條
飛書 / LarkOpus 上傳渲染為語音氣泡
MatrixMSC3245 語音消息
Mattermost是(音頻文件)客戶端內聯播放器
BlueBubbles(iMessage)是(音頻文件)
Google Chat是(音頻文件)入站下載需要服務賬號媒體權限(計劃中)
微信公眾號優先使用微信自帶轉寫;AMR 回退需要 ffmpeg
企業微信雙向 AMR : 需要 ffmpeg(VOICE_FFMPEG_PATH
LINE僅文字發送音頻需要公網媒體 URL(計劃中)
Signal是(音頻文件)入站語音待接 signal-cli 附件存儲(計劃中)
Email / Gmail是(mp3 附件)無入站消息通道
Microsoft Teams僅文字文件發送需要 consent 卡片流程(計劃中)
釘釘僅文字機器人 webhook 無媒體上傳(計劃中)
QQ僅文字語音為 Silk 編碼,標準 ffmpeg 無法編碼

標註"計劃中"的平臺,凡入站語音能到達 agent 的,都會以文字回覆。

本頁目錄