agent交互太费眼,有没有语音交互的中控台来让我和各个ai语音交互

kang 2026-08-11 10:49 1

我现在和ai的交互方式还是通过打字(或者通过一个语音输入)来交互,我觉得这个非常的消耗我的眼睛,我想说做成我对agent软件说话,然后agent也以语音回复给我。


这是一个我想参考的项目GitHub - huggingface/speech-to-speech: Build local voice agents with open-source models · GitHub


我更希望有一个软件中转台就是我可以直接语音输入,然后他可以后台根据我的需求或者自动的调用hermes,codex,claudecode,然后通过语音输入传出来,实现类似于真人一样的讨论,同时也可以实时的汇报自己的进度


(如果可以我也希望通过这个中转台统一我和claudecode,codex,hermes的聊天会话,来记录他们的工作,切会话有点困难)


不知道佬友们有没有相关的推荐或者大家是如何解决这个问题的

最新回复 (11)
  • tom 08-11 10:51
    1

    语音多一层转换,为了快,我还是选择了打字

  • pytaitool 08-11 10:51
    2

    这个用语音输入法不久可以实现了,现在都这么懒了吗,这个建议用脑机接口,想想就能把功能实现了

  • kang 楼主 08-11 11:01
    3

    我觉得也不是懒吧,就是单纯看电脑久了眼睛疼,也不希望一直打字交流,更希望ai也可以说出来)

  • kang 楼主 08-11 11:02
    4

    建议佬友试一试openless,我之前也这样觉得,后来用了就回不去了。

  • pytaitool 08-11 11:06
    5

    我就比较懒,有时候在玩游戏看到claude code停跑了又想感觉给他输入让他继续跑。openless可以实现吗,比如完成后让他告诉我大致最终效果。然后语音控制让他继续。这个可以吗

  • kang 楼主 08-11 11:07
    6

    我目前在用的这个东西,它只能负责听,也就是把我说的话高效地转成文字,相当于一个 ASR 模型,负责语音转文字;甚至还可以接一个 DeepSeek,帮我把话里的语气词等整理一下、理顺语序,再发出去。

  • kang 楼主 08-11 11:08
    7

    就像我打的这段话,其实是用语音输入的,反正挺快的,肯定比我打字要快很多。

  • fablia 08-11 11:20
    8

    codex也有和chatgpt一样的语音模式了

    佬可以试一下,之前还只有语音输入,现在是语音控制语音反馈了

  • 小桃 08-11 11:22
    9

    电脑自带快捷键win+h打开语音输入,如果是语音回复的话有那个对应的语音模式设置里面还可以调它的这个音色,嗯有一些成果还是要沉淀成文档比较好保存,没错我这个就是语音输入来的 ^-^



    希望可以帮到你

  • kang 楼主 08-11 11:24
    10

    我接的是中转站的 API,不确定是不是只有通过官方登录进去的才有这个语音输入。反正我的 Codex 是没有。

  • kang 楼主 08-11 11:26
    11

    好的,我等会看一下,但其实我更想实现的一个功能,是用快捷键唤醒 AI,然后它就开始直接和我对话讨论同时自己调用工具去验证一些想法,然后根据我的需求,调用后台的一些软件比如codex去给我干活,或者去做一些事情。然后做完一些事情后,它可以直接回复我,并提醒我。

* 帖子来源Linux.do
返回