> ## Documentation Index
> Fetch the complete documentation index at: https://docs.rikka-ai.com/llms.txt
> Use this file to discover all available pages before exploring further.
# 在 Rikka 中设置 TTS 和 ASR 语音服务
> 在 Rikka 中配置 TTS 和 ASR 提供商，让 AI 回复可以朗读出来，也可以用麦克风语音输入消息而无需打字。
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。
## 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
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。
你的 OpenAI API 密钥。在 [OpenAI 控制台](https://platform.openai.com/api-keys)中获取。
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。
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。
声音预设。OpenAI 提供 `alloy`、`echo`、`fable`、`onyx`、`nova` 和 `shimmer`。
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。
你的 Google AI Studio API 密钥。
Gemini API 的基础 URL。
用于语音合成的 Gemini 模型。
声音名称。参考 [Google AI 声音列表](https://ai.google.dev/gemini-api/docs/speech-generation)查看所有可用选项。
来自 MiniMax 的高质量中文及多语言 TTS。
你的 MiniMax API 密钥。
MiniMax API 基础 URL。
TTS 模型标识符。
声音 ID。在 MiniMax 控制台中浏览可用声音。
合成语音的情感色调，例如 `calm`、`happy`、`sad`。
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。
阿里巴巴 DashScope 的 Qwen TTS，针对中文和多语言语音进行了优化。
你的 DashScope API 密钥。
DashScope API 基础 URL。
TTS 模型。`qwen3-tts-flash` 是低延迟变体。
声音名称。查看 DashScope 文档获取完整列表。
语言提示。`Auto` 让模型自动检测语言。
通过 Groq 推理基础设施提供的快速 TTS，由 Orpheus 模型驱动。
你的 Groq API 密钥。
Groq API 基础 URL。
要使用的 Orpheus TTS 模型。
声音预设名称。
通过 xAI 的 Grok API 提供的文字转语音服务。
你的 xAI API 密钥。
xAI API 基础 URL。
声音标识符。
BCP-47 语言标签或 `auto` 以自动检测。
由小米 MiMo 服务提供的 TTS。
你的 MiMo API 密钥。
MiMo API 基础 URL。
TTS 模型标识符。
声音预设。
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。
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。
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
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）。
你的 OpenAI API 密钥。
实时转录 API 的 WebSocket 端点。
转录模型。`gpt-4o-transcribe` 提供最佳准确率。
BCP-47 语言代码（例如 `en`、`zh`、`ja`）。留空以启用自动语言检测。
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。
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。
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。
你的 DashScope API 密钥。
DashScope WebSocket 推理端点。
ASR 模型标识符。`flash-realtime` 变体优先考虑低延迟。
语言代码提示。留空以自动检测。
VAD 灵敏度。较低的值会使检测器更积极地截断静音。
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。
你的火山引擎 API 密钥。
火山引擎 ASR WebSocket 端点。
ASR 服务的火山引擎资源标识符。
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：
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。
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。