语音设置 — TTS 朗读与 STT 录音转写
两种语音功能
| 功能 | 方向 | 用途 |
|---|---|---|
| TTS（文本转语音） | 笔记 → 语音 | 朗读笔记内容，不方便看屏幕时听 |
| STT（语音转文本） | 语音 → 文字 | 录音转写，口述想法变文字记录 |
两者都需要配置对应的模型或系统服务。
STT：语音转文本
录音记录功能的底层依赖 STT 模型。配置方式：
方式一：内置免费服务
NoteGen 提供内置免费 STT 服务，可以直接用。不稳定或额度用完时再配自己的。
方式二：在线 STT 模型
- 各大模型平台有 STT 接口（如 OpenAI Whisper API）
- 在"设置 → AI → 模型服务"中添加 STT 类型的模型
- 价格通常按音频分钟计费
方式三：本地 STT
- 用 Ollama 跑 Whisper 等本地模型
- 完全离线，零成本，但识别准确率取决于模型大小和本地硬件
使用
配置好 STT 模型后：
- 录音工具栏麦克风按钮 → 实时录音
- 录音完成自动触发转写
- 转写完成生成一条带音频引用的记录
TTS：文本转语音
TTS 用于朗读笔记：
方式一：系统默认（推荐先试）
"设置 → 语音"中的 TTS 引擎选"自动"，NoteGen 会优先使用操作系统原生 TTS：
- Windows SAPI 语音
- macOS / iOS VoiceOver
- Linux espeak / festival
系统 TTS 零成本、离线可用，但声音种类有限。
方式二：在线 TTS 模型
想要更好听的声音或多语言支持时，配在线 TTS：
- 在模型配置中添加 TTS 类型的模型（如 Azure TTS、阿里云语音合成等）
- 在写作页选中文字或打开 AI 对话，点"朗读"按钮
使用
- 写作页选中文字 → 右键菜单 → 朗读
- AI 对话回复 → 点"朗读"按钮
- 可以选择不同的 TTS 引擎和声音
常见问题
录音或朗读没有声音：
- 检查系统麦克风权限和输入设备（STT）
- 检查音频输出设备（TTS）
- STT 需要可用的 STT 模型，TTS 需要可用的 TTS 引擎
- 朗读优先选"自动"，系统语音不可用时再配 TTS 模型
转写准确率低：
- 检查 STT 模型的语言设置
- 背景噪音大时识别不准
- 专业术语需要后处理
- 本地小模型（7B 以下）比云服务 Whisper 准确率低
上传音频失败：
- 确认格式受支持且文件没有损坏
- 部分 STT 服务有文件大小限制
隐私建议
- 敏感内容的录音转写用本地 STT 模型（Ollama Whisper）
- 不要在公共场合朗读敏感笔记
- 在线 TTS/STT 会发送音频/文本到服务商——确认隐私条款