语音输入

用口述代替在 Composer（编写器）里打字。转写会落到草稿中供你审阅，只有发送这条消息，内容才会送到智能体。口述同样可用于引文评论、差异与文件标注、拉取请求（pull request）评论、回复和评审摘要，以及桌面应用的浏览器标注编辑器。

在 iPhone 和 Android 上，语音输入默认在设备上转写。若要在这台手机上改用某个指定环境（environment），请打开设置 → 语音 → 转写所在。参见移动设备上的语音输入。

选择音频发往哪里

在 Web 端和桌面端，转写在哪里运行由你来选。在你做出选择之前，什么都不会发出去：打开设置 → 语音，把转写所用设成为你做转写的那个环境（environment）。在新设备上，从 Composer（编写器）使用麦克风或口述快捷键，就会打开这项设置。本设备录下的麦克风音频会经由你已认证的连接发到该环境，在那里完成转写，然后被丢弃。这个选择只保存在本设备上，因此你使用的每台计算机和每个浏览器都会询问一次。你可以随时把它改回关闭；正在进行的录音会被丢弃。

如果所选环境离线，语音输入会等待它。T3 Code 从不会改用另一个环境。

云端口述时，通过你想使用的环境选择 OpenAI 或 Grok Voice Transcribe。如果需要密钥，输入一把并选择保存并启用。也可以不选值，而选择一个密钥提供方（provider）并输入引用。口述前，先在该环境上解锁保险库。任何对该环境拥有口述权限的人都可以使用这把密钥，但只有本设备会选择加入。如果密钥已经保存，确认该提供方即可。你停止之后，环境会把录音和所有词汇提示转发给所选提供方，费用记在它的 API 账户上。不需要下载本地模型，也不需要聊天订阅。要停止共享，在移动端改回本设备，在 Web 端和桌面端改回关闭。移除密钥后，该环境上的所有人都不再使用这个提供方。

OpenRouter 的用法相同，但没有默认模型：启用时从它的实时语音转文字目录中选一个，或稍后在管理 OpenRouter 中选择。模型由你自己选择，也不需要设置权限，因此任何拥有口述权限的人都可以换一个模型，而不会改动已保存的密钥。由 OpenRouter 决定谁来运行该模型。T3 会请求零数据保留；你的 OpenRouter 账户也可以允许安全保留。如果没有合格的端点，口述会失败，而不会改换模型。词汇提示不会发送给 OpenRouter；词典中的拼写在转写之后才套用。如果 OpenRouter 不再列出你的模型，口述会停止，直到你另选一个。

设置模型

在设置 → 语音 → 转写中下载模型；如果尚未选中，请选择使用模型。测试模型可以试用，而不会发送消息。如果在安装模型之前就使用 Composer（编写器）的麦克风，它会提议下载一个。推荐采用你在「语音」中设置的语言；若为自动检测，则采用系统的首选语言。

如果另一个应用已经下载过这些模型中的某一个，就不需要第二份副本。下载会先在该环境（environment）上的 Handy 模型文件夹和 Hugging Face 缓存中查找，若找到副本就直接使用，不再下载。如果副本在别处，在 Web 端或桌面端，把模型文件或其文件夹的路径粘贴到模型列表下方，并选择使用已有文件。这条路径位于执行转写的环境上，而不是你正在使用的设备上。T3 Code 会核对该文件正好是其列表中的某个模型，然后就地使用。在 T3 Code 中移除该模型不会改动你的文件；如果另一个应用删掉了它，请重新下载或重新链接该模型。其他格式的文件无法使用，例如同一模型的 Core ML、ONNX 或 MLX 构建。

选择你口述时使用的语言，以便比较支持所有这些语言的模型。准确度表示模型在每种语言中把词或字弄错的频率；速度是在参考 GPU 上转写 30 秒所用的时间。选择全部语言可浏览完整目录。筛选不会切换你的模型。

高级控制使用 GPU 还是 CPU，以及空闲模型何时卸载。硬件设为自动时，在 GPU 上失败的录音会在同一环境的 CPU 上重试一次；如果你自己选定了某块 GPU，则会直接报告错误。绝不会在另一个环境上重试。标有实时预览的模型会在你说话时显示文字。其他模型可以在录音过程中，于停顿处分块处理较长的录音；自带长音频支持的模型则在你停止时转写。

口述

按下 Composer（编写器）中的麦克风，或按 mod+shift+d（mod 在 macOS 上是 Command，在其他系统上是 Ctrl）。再按一次，或按下对勾，即可完成；Esc 会丢弃录音，草稿保持不变。录音最长五分钟。文字会插入光标处，或替换开始录音时已有的选区；口述进行期间，编辑器为只读。

口述过程中按下「发送」，会结束录音，并在转写插入之后发送草稿。取消录音也会取消这次已排队的发送。在其他编辑器中，「保存」「评论」「回复」「提交评审」或「附加」的作用相同，快捷键作用于当前拥有焦点的编辑器；如果没有，则作用于 Composer。在桌面浏览器的标注编辑器中，只要页面拥有焦点，麦克风和快捷键就可用；你正在标注的页面看不到这段录音，录音是在 T3 Code 自身中进行的。

语音设置中的口述快捷键决定快捷键（keybinding）如何表现：自动是点按切换，或在按住期间录音；按住只在按键按下时录音；切换则始终需要再按一次。按键组合本身可在快捷键设置中修改。

提高识别效果

• 语言选择你所说的语言。自动让多语言模型自行检测。具备翻译能力的模型提供翻译为英语。
• 词典存放模型应当写对的名称和术语。若转写反复得到某一种错拼，可在该术语下添加别名。你的词典保存在本设备上。你正在其中口述的项目（project）名称会作为提示一并发送。
• 项目词典是随项目保存在其环境（environment）上的词汇，因此在该项目中口述的每个人都会得到相同的拼写。在设置顶部选择该项目即可编辑；若选中的是某个环境，这些条目会应用到该环境上的每一个项目。与个人词典重叠时，以项目拼写为准。每次录音最多携带两者合并后的 100 条。
• 静音过滤默认开启。你所选的环境会在转写前跳过非语音音频。关掉它即可保留这些片段。过滤发生在上传之后：它既不授予发送音频的权限，也不会减少发送量。
• 去掉填充词会从完成的转写中去掉犹豫时的声音。

语言和这些偏好会随每次录音发到所选环境；项目的其他信息都不会发送。

整理转写

转写整理是单独的选项，默认关闭。开启后，完成的转写，以及选区之前、之中和之后各最多 1,024 个字符，会送到草稿所在环境（environment）上的整理模型。它会修正标点、数字和口头更正，例如「改成 42，抱歉，24」。视模型而定，这一步可能涉及外部服务。音频永远不会发给它。可以使用内置指令，也可以自己编写。整理进行时按跳过，即插入原始转写；如果整理失败，插入的也是原始转写。

整理使用该环境的文本生成（text generation）模型，除非你为该环境另外指定整理模型，例如一个更便宜或更快的模型。它也可以是文本生成器（text generator），而不必是编码智能体；参见文本生成模型。

如果整理没有跟上你自我更正的方式，请设置更正提示：你用来标出更正的词或短语，例如「划掉」。整理只在上下文表明确实有一处更正时才应用更正并去掉提示语，模型会把该提示语当作词典提示来识别。

测试与排查

在设置 → 语音中，麦克风选择器旁边的测试麦克风最多录制十秒，并在浏览器中回放；音频留在本设备上，永远不会被转写，因此无声回放说明问题出在麦克风。所选模型上的测试模型会用与 Composer（编写器）相同的环境（environment）、语言和词典显示转写，但即使开启了转写整理也会跳过，这样你看到的就是模型听到的内容。浏览器录音需要 HTTPS 或 localhost，以及麦克风权限；远程服务器若使用明文 HTTP，请改用桌面应用。如果所选麦克风已不存在，请另选一个，或使用系统默认麦克风。