在 Rikka 中设置 TTS 和 ASR 语音服务

Rikka 内置了文字转语音（TTS）——将 AI 回复朗读出来，以及自动语音识别（ASR）——用麦克风语音输入消息而无需打字的支持。你可以独立配置这两项功能，从多种云端和设备端提供商中选择。设置完成后，TTS 和 ASR 可以直接在聊天界面中使用，无需离开对话。导航到设置 → 语音以访问这两个标签页。

文字转语音（TTS）
自动语音识别（ASR）

设置 TTS

在设置 → 语音中打开 TTS 标签页。点击添加提供商并选择你要使用的提供商。填写必填字段，然后点击保存。你可以添加多个提供商，并随时在它们之间切换。要朗读消息，请点击任意助手消息气泡上出现的扬声器图标。

可用的 TTS 提供商

OpenAI TTS

使用 OpenAI 的神经网络 TTS API。生成自然流畅的语音，提供六种预设声音可供选择。

string

必填

你的 OpenAI API 密钥。在 OpenAI 控制台中获取。

string

默认值:"https://api.openai.com/v1"

OpenAI 兼容 API 的基础 URL。如果你通过代理路由或使用第三方 OpenAI 兼容端点，请修改此项。

string

默认值:"gpt-4o-mini-tts"

要使用的 TTS 模型。gpt-4o-mini-tts 速度快且性价比高；换用 tts-1-hd 可获得更高保真度的输出。

string

默认值:"alloy"

声音预设。OpenAI 提供 alloy、echo、fable、onyx、nova 和 shimmer。

Gemini TTS

使用 Google 的 Gemini 多模态 TTS。支持多种声音，包括表现力丰富的 Gemini 2.5 系列。

string

必填

你的 Google AI Studio API 密钥。

string

Gemini API 的基础 URL。

string

默认值:"gemini-2.5-flash-preview-tts"

用于语音合成的 Gemini 模型。

string

默认值:"Kore"

声音名称。参考 Google AI 声音列表查看所有可用选项。

MiniMax TTS

来自 MiniMax 的高质量中文及多语言 TTS。

string

必填

你的 MiniMax API 密钥。

string

默认值:"https://api.minimaxi.com/v1"

MiniMax API 基础 URL。

string

默认值:"speech-2.6-turbo"

TTS 模型标识符。

string

默认值:"female-shaonv"

声音 ID。在 MiniMax 控制台中浏览可用声音。

string

默认值:"calm"

合成语音的情感色调，例如 calm、happy、sad。

float

默认值:"1.0"

播放速度倍率。低于 1.0 的值会减慢语速；高于 1.0 的值会加快语速。

Qwen TTS

阿里巴巴 DashScope 的 Qwen TTS，针对中文和多语言语音进行了优化。

string

必填

你的 DashScope API 密钥。

string

默认值:"https://dashscope.aliyuncs.com/api/v1"

DashScope API 基础 URL。

string

默认值:"qwen3-tts-flash"

TTS 模型。qwen3-tts-flash 是低延迟变体。

string

默认值:"Cherry"

声音名称。查看 DashScope 文档获取完整列表。

string

默认值:"Auto"

语言提示。Auto 让模型自动检测语言。

Groq TTS

通过 Groq 推理基础设施提供的快速 TTS，由 Orpheus 模型驱动。

string

必填

你的 Groq API 密钥。

string

默认值:"https://api.groq.com/openai/v1"

Groq API 基础 URL。

string

默认值:"canopylabs/orpheus-v1-english"

要使用的 Orpheus TTS 模型。

string

默认值:"austin"

声音预设名称。

xAI TTS

通过 xAI 的 Grok API 提供的文字转语音服务。

string

必填

你的 xAI API 密钥。

string

默认值:"https://api.x.ai/v1"

xAI API 基础 URL。

string

默认值:"eve"

声音标识符。

string

默认值:"auto"

BCP-47 语言标签或 auto 以自动检测。

MiMo TTS

由小米 MiMo 服务提供的 TTS。

string

必填

你的 MiMo API 密钥。

string

默认值:"https://api.xiaomimimo.com/v1"

MiMo API 基础 URL。

string

默认值:"mimo-v2-tts"

TTS 模型标识符。

string

默认值:"mimo_default"

声音预设。

系统 TTS

使用 Android 内置的文字转语音引擎。无需 API 密钥——完全在设备端运行，使用你在 Android 设置中安装的语音包。

float

默认值:"1.0"

合成语音的速度。1.0 为正常速度；增大值可加快播放，减小值可放慢播放。

float

默认值:"1.0"

合成语音的音调。1.0 为所选 Android 声音的默认音调。

系统 TTS 的质量和语言支持取决于设备上安装的语音包。你可以在 Android 设置 → 无障碍 → 文字转语音输出中安装额外的语音包。

设置 ASR

在设置 → 语音中打开 ASR 标签页。点击添加提供商并选择你偏好的提供商。保存后，聊天输入栏中会出现一个麦克风图标。点击并按住它来录制你的语音；Rikka 会转录音频并自动将文本插入消息输入框。

可用的 ASR 提供商

OpenAI 实时 ASR

通过 WebSocket 连接将音频流式传输到 OpenAI 的实时转录 API，提供低延迟、实时转录和语音活动检测（VAD）。

string

必填

你的 OpenAI API 密钥。

string

实时转录 API 的 WebSocket 端点。

string

默认值:"gpt-4o-transcribe"

转录模型。gpt-4o-transcribe 提供最佳准确率。

string

BCP-47 语言代码（例如 en、zh、ja）。留空以启用自动语言检测。

float

默认值:"0.5"

语音活动检测灵敏度，范围从 0.0（最灵敏）到 1.0（最不灵敏）。在嘈杂环境中增大此值以减少误触发。

integer

默认值:"500"

Rikka 在将语音视为结束并最终确定转录之前等待的静音毫秒数。

DashScope ASR（Qwen）

来自阿里云 DashScope 的实时流式 ASR，由 Qwen 语音模型驱动，针对中文和多语言音频进行了优化。

string

必填

你的 DashScope API 密钥。

string

DashScope WebSocket 推理端点。

string

默认值:"qwen3-asr-flash-realtime"

ASR 模型标识符。flash-realtime 变体优先考虑低延迟。

string

语言代码提示。留空以自动检测。

float

默认值:"0.2"

VAD 灵敏度。较低的值会使检测器更积极地截断静音。

火山引擎 ASR

来自字节跳动火山引擎平台的流式 ASR（通过 SeedASR 模型），非常适合普通话和多口音语音。

string

必填

你的火山引擎 API 密钥。

string

火山引擎 ASR WebSocket 端点。

string

默认值:"volc.seedasr.sauc.duration"

ASR 服务的火山引擎资源标识符。

string

语言代码。留空以依赖模型内置的语言检测。

在聊天界面中使用语音

当你在每个类别中至少配置了一个提供商后，控件会直接出现在聊天界面中：

麦克风（ASR）

点击聊天输入栏中的麦克风图标开始录音。自然地说出你的消息——Rikka 会将音频流式传输到你的 ASR 提供商，并在转录出文字时实时填充文本框。松开或再次点击即可停止。

扬声器（TTS）

点击任意助手消息上的扬声器图标，让你配置的 TTS 提供商朗读消息。再次点击可在朗读中途停止。

如果你主要使用语音输入，建议将 ASR 与低延迟的 TTS 提供商搭配使用，这样整个对话可以自然流畅地进行，无需在键盘之间切换。

快速开始

对话

助手

扩展功能

设置与同步

在 Rikka 中设置 TTS 和 ASR 语音服务

设置 TTS

可用的 TTS 提供商

设置 ASR

可用的 ASR 提供商

在聊天界面中使用语音

麦克风（ASR）

扬声器（TTS）

​设置 TTS

​可用的 TTS 提供商

​设置 ASR

​可用的 ASR 提供商

​在聊天界面中使用语音

麦克风（ASR）

扬声器（TTS）

设置 TTS

可用的 TTS 提供商

设置 ASR

可用的 ASR 提供商

在聊天界面中使用语音