聆听

应用听到什么

应用会收听两个声道：你的麦克风（你）和你电脑的声音（其他参与者）。目前听到的话会立即显示在“正在说话…”气泡中，这句话说完后会被完整的句子替换。

语音在哪里转成文字

在设置，然后高级，然后音频，然后语音转文字设置›高级›音频›语音转文字中选择。

• 本地语音识别（“引擎”框中的“在这台电脑上”）：语音在你自己的电脑上转成文字，音频会留在你的电脑上。语音模型会在首次启动时下载一次（“快速”约 265 MB，“均衡”约 575 MB）；下载完成前不会转写任何内容。本地模型框用于选择模型：自动（默认）在显卡跟得上语音时选择“均衡”，否则选择“快速”；快速可在任何电脑上运行；均衡更准确，需要显卡或 Apple Silicon。如果应用找到了显卡，该框下方会有一个使用 GPU开关（默认打开），关闭后语音识别会改在处理器上运行。
• 我们的托管服务（应用中的“云端（letmesoloit.com）”；适用于 All-Inclusive，或任何带有 Credit Pack 的套餐）：音频经过我们的服务器，使用积分付费。它的流式选项会在对方说话时就显示文字；和按句识别一样，流式传输会按发送的全部音频计费，每 10 秒 1 积分。为了正确拼写人名和生僻词，应用会随音频发送最多 100 个词：先是你自己的列表，然后是当前档案“关于我”中类似名称的词。你的列表位于设置，然后高级，然后音频，然后语音转文字，然后需拼对的词设置›高级›音频›语音转文字›需拼对的词：用逗号分隔各个词（空字段中的示例是“例如 Kubernetes, Grafana, 同事的名字”）；托管语音识别听到相近的发音时会优先使用这些拼写。你用自己的密钥设置的服务如果支持，也会收到这个列表；这台电脑上的模型会忽略它。
• 你用自己的密钥设置的服务。
• 自动（默认）在你的套餐包含我们的托管服务且仍有积分时使用它，适用于所有语言和所有电脑，并在该服务支持流式传输时使用流式传输。否则使用本地语音识别，在我们的服务无法连接或出错时也会以它为备用。没有我们的托管服务时，聊天会等待语音模型下载完成，并显示下载进度。“自动”绝不会使用你用自己的密钥设置的服务。

本地模型下载完成后，其状态显示为“模型已就绪”，下载箭头会变成垃圾桶，可用于再次删除模型。

每个选项会发送和保留哪些内容，请参阅隐私政策。

使用你自己密钥的云端服务

在设置，然后高级，然后音频，然后使用你自己密钥的云端语音识别设置›高级›音频›使用你自己密钥的云端语音识别中选择服务、粘贴其 API 密钥并选择模型；应用会测试密钥并告诉你是否可用。然后选择该服务的“自己的密钥”选项作为引擎。当服务拒绝时，窗口会说明原因；下文中的“…”代表服务的名称，以及消息中链接到的设置位置：

• … 拒绝了该密钥。请在“…”中检查。密钥错误或已失效。
• … 表示该密钥已没有余额或额度。请在该服务自己的控制台中为账户充值或提高配额，因为应用无法更改这些；或者选择其他引擎。
• … 不提供在“…”中设置的模型。请在同一位置选择其他模型。
• … 正在限制请求，部分语句可能会漏掉。限制解除后，语句会重新正常送达。

语言

语音识别和提示支持十二种语言：英语、乌克兰语、俄语、德语、西班牙语、法语、日语、波兰语、瑞典语、中文、韩语和葡萄牙语。只需一项设置，即设置，然后语言设置›语言中的通话语言，就能决定如何处理。默认语言为英语：你选择的语言会被严格按该语言识别，不做检测。自动会检测通话双方各自所说的语言，使用这台电脑上的语音识别或我们的托管服务，并由我们的托管服务回答；提示使用你的语言。你用自己的密钥设置的语音服务，或来自你自己服务商的回答，始终只按你选择的语言识别：此时列表中没有“自动”，已保存的“自动”会按英语处理。这会实时跟随当前的路线：如果通话中回答转由你自己的服务商提供，检测就会停止，相应的行也会改变。

选择“自动”时，通话双方的语言各自独立检测。当某一方有两段独立的发言（每段至少有 3 秒语音）判定为同一种语言时，该方的语言就会确定；如果经过 4 段发言或该方 30 秒语音后仍未一致，就确定为目前听到时间最长的语言（时长相同时取最近的那种）。这台电脑上的小型语言检测器也会检查每句至少有 3 秒语音的话：当它确定这句话是十二种语言中的另一种时，通话的这一方会立即从这句话起切换到该语言，回答也随之切换。你的麦克风这一方只有在检测器连续两句（开始时间相隔不超过 20 秒）都确定为同一种新语言时才会切换，因为你的麦克风还会听到房间里的声音和你自己扬声器的声音；之后这两句话会以新语言重新显示。较短的句子不计入，所以一句“OK”或一个名字绝不会让语言切换。某一方的语言确定之前，会沿用另一方的语言，否则使用英语。这台电脑上的语音识别根据音频检测语言，我们的托管服务则根据每句说完的话的文字检测。使用流式传输时，每一方的流会立即以该方上次使用的语言打开（先取它自己在之前通话中的语言，保存在这台电脑上；否则取另一方的语言；再否则用英语），因此从第一秒起就会显示文字。当检测器听到另一种语言时，应用会向流发送一个说明该语言的简短信号，不含音频：我们的托管服务会用已有的音频以新语言重新识别这句话，新文字会替换已显示的内容。不会重复发送或重复计费。提示使用你这一方的语言回答，否则使用通话的语言。

你选择的语言会被严格识别：语音只按该语言识别，不做检测，也不会自动切换，回答也使用该语言。这时第二语言只需一个快捷键即可切换；请参阅提示。

本地语音识别需要什么

以下数据均为近似值。每个系统整体需要什么（包括内存和磁盘空间），请参阅系统要求。

• 如果显卡符合“系统要求”表中的要求，2 核（4 线程）和 8 GB 内存就足够了。没有这样的显卡时，英语、俄语、德语、西班牙语、法语、日语、波兰语和瑞典语只靠处理器运行：8 核（16 线程）和 16 GB 内存可以跟上通话双方；6 核（12 线程）和 8 GB 内存大约是最低要求。
• 乌克兰语、中文、韩语和葡萄牙语，以及更准确的“均衡”模型，都需要显卡：“均衡”需要 4 GB 或以上显存，“系统要求”按厂商列出了相应的显卡。笔记本的集成显卡只能运行“快速”模型，勉强能做到实时。在 Windows 和 Linux 上，显卡需要 Vulkan 驱动，当前的 NVIDIA、AMD 和 Intel 驱动均已包含。
• 一个实测示例（2026-10-14，以外放方式播放一场真实通话）：一台 2 核 4 线程、搭载 AMD Radeon Vega 3 显卡的低端笔记本，在语言确定后运行“快速”模型约每句 3 秒，因此一句话说完后约 3.5 到 5 秒出现文字；检测语言期间每句约需 5 秒。“均衡”在这台机器上太慢，“自动”不会选择它。使用 GeForce GTX 1650 时，“均衡”每句约需 1.3 秒（检测语言期间约 2.1 秒），并一直留在显卡上。轮流发言的通话可以跟上；双方不停顿地同时说话则跟不上。
• 如果你的套餐包含我们的托管服务，“自动”会把所有语言（包括这四种）都交给它，因此你电脑的硬件无关紧要。没有托管服务时，“自动”会在这台电脑上用它能跟上的最佳模型运行这些语言，没有显卡或 Apple Silicon 时可能会跟不上。
• 当显卡上的模型太慢时，“自动”会先在处理器上试一次，并保留识别更快的那个；如果发生了切换，会提示“语音已切换到…”。在当前版本的应用中它不会再次尝试。如果你的电脑仍然跟不上，应用会提示你，并建议更快的选项：如果你的套餐包含我们的托管服务，建议“快速”或我们的服务（“快速”太慢时只建议我们的服务）；否则建议“快速”或在提供时打开“使用 GPU”开关（“快速”太慢时只建议该开关）。它会保持使用最快的本地选项，让字幕尽量接近实时，并且绝不会自行将音频转到云端。

麦克风和扬声器

设置，然后高级，然后音频设置›高级›音频会列出你的麦克风和扬声器音源，并显示正在使用的设备。更改在点击“保存”后立即生效；如果设备无法打开，则继续使用之前的设备。如果已保存的设备在开始聆听时未连接（例如耳机已关闭），本次运行会改用系统默认设备；设置会保留，因此下次该设备可用时会再次使用它。在 macOS 上无需选择扬声器：应用会通过“屏幕录制”权限直接收听电脑的声音。

语音检测

下图中标有编号的“语音检测”部分决定什么算作语音。两个阈值设定了声音被视为人声的音量下限，一个用于你的麦克风（默认 100），一个用于其他参与者（默认 200）；每个的范围都是 1 到 10,000。对我自己的话也给提示默认关闭：应用会回答其他参与者说的话，打开后也会回答你说的话。过滤扬声器回声默认打开，会丢弃那些只是通话声音从你的扬声器传回麦克风的句子。自动调节灵敏度默认打开：应用聆听期间，每个阈值都会随通话变化，范围在已保存值的一半到两倍之间，且从不保存，因此下次启动时会重新从你设定的值开始。建议校准默认打开：当某一方的声音反复无法识别时，会显示一条带有“校准”链接的通知；关闭它会停止显示通知，而设置中的“校准”不受影响。

校准

当某一方的声音反复无法识别时，窗口会显示“很难听清对方：请检查音量或进行校准。”（或“你的麦克风”）。请先检查系统音量，并确认设置，然后高级，然后音频设置›高级›音频使用的是正确的麦克风和扬声器。

然后在应用聆听时进行校准。通知中的“校准”链接会打开设置，然后高级，然后音频设置›高级›音频中“语音检测”标题处的两个校准按钮：和。“校准麦克风”（工具提示“校准麦克风”）会请你保持安静 3 秒，然后大声朗读一句话三遍。“校准扬声器”（工具提示“校准扬声器”）会在你保持安静时，通过你的扬声器播放一段短音频三遍。应用会把阈值设在背景噪音和人声之间，点击“保存”即可保留。如果人声没有明显高于噪音，应用会提示你，且不做任何更改。

麦克风静音

按Ctrl+Alt+M或点击操作栏中的，应用就不再听你说话：你麦克风的任何内容都不会被转写或发送。其他参与者的声音仍会被收听，而且它不会在通话中把你静音。与之对应的Ctrl+Alt+O或旁边的则会暂停其他参与者：在你再次按下之前，他们的任何内容都不会被转写或发送，也不会计费。每次启动时都不是静音状态，也不是暂停状态。