语音与其他能力

“能力”页面管理语音、图片、视频等服务与消息连接。使用阿里云时，服务模型可以在阿里云快速配置中选择；角色音色、麦克风和消息渠道等设置在各自页面完成。

配置角色的声音#

使用阿里云时，先在“阿里云一 Key 通用 → 自定义设置”中选择“文字转语音模型”，然后进入“能力 → 服务 → 语音合成”添加音色。打开“角色 → 选择角色 → 设置”，选择“角色音色”和“发声语言”。

角色音色与发声语言在角色设置中选择。图中音色为示例。点击查看大图 ↗

使用其他语音服务时，需要按所用服务创建语音适配器并添加音色，再为角色选择声音。相关配置的用途如下：

你也可以让 Suzu 助手协助查找角色声音素材、准备试听和完成支持的音色复刻。参考音频是否适用，以及复刻和合成的效果，取决于所选服务。

如果使用百炼音色复刻，按界面中的指引复制音色 ID；复刻与语音合成需要使用同一模型。

打开“角色”中的某位角色，在基础资料的性别与身份选择附近找到小喇叭图标。把鼠标停在图标上，可以看到操作提示：

操作	结果
左键点击小喇叭	从已保存的声音片段中随机试听一段
右键点击小喇叭	打开这个角色的音频文件夹

把 .mp3 或带有声音的 .mov 文件放进打开的文件夹，再左键点击小喇叭即可试听。可以保存多段片段，每段最多 10 MiB。

这些片段可用于试听、准备音色复刻素材，以及随普通角色包分享。导出时可以勾选“携带角色参考音频”，MOV 中的声音会转为 MP3 携带。聊天和通话使用的合成声音，由“角色设置 → 角色音色”选择，配置步骤见配置角色的声音。

语音输入把你说的话转成文字。使用阿里云时，在“阿里云一 Key 通用 → 自定义设置”中选择“语音识别模型”；使用其他服务或专属连接时，在“能力 → 服务 → 语音识别”配置。

准备好后，使用聊天输入区的语音输入按钮，并允许麦克风访问。

语音识别页面还提供“说话能量阈值”和“静音判定帧数”。前者影响收音灵敏度，后者影响停顿多久算一句话结束。遇到过早断句或收不到声音时，可以按页面说明调整。

实时通话使用语音识别接收你说的话，通过角色的模型处理，再使用已配置的声音合成回复。开始前确认：

打开角色的私聊，点击通话按钮。通话状态栏提供挂断入口；角色发起来电时，可以在软件内接听。

只想把话转成输入文字时，使用语音输入。想与角色进行来回语音交流时，使用通话。

使用阿里云时，在“阿里云一 Key 通用 → 自定义设置”中选择“图片理解模型”和“视频理解模型”。

使用其他服务或专属连接时，分别在“能力 → 服务 → 图像理解”和“能力 → 服务 → 视频理解”配置。自定义主模型的“图片输入”设置，决定聊天图片直接交给主模型，还是使用已启用的图像理解能力；详见其他服务商与 API。

上传前确认所选模型支持要发送的内容，文件大小和格式以界面与服务商限制为准。

使用阿里云时，在“阿里云一 Key 通用 → 自定义设置”中选择“图片生成模型”。使用其他服务或专属连接时，进入“能力 → 服务 → 图像生成”，按服务商要求选择请求协议、API 和模型等参数。

配置完成后，可以在聊天中描述画面，也可以进入“创造”中的视觉工作台操作。

提示词、参考图、候选和自定义表情的操作方法，见图片创作与表情包。

编辑已有图片、使用参考图等操作的可用范围取决于所选图像服务和请求协议。

在想要连接的联系人私聊中打开设置，找到“微信连接”。按界面提示扫码，向微信机器人发送消息并确认能收到回复。

“能力 → 连接 → 连接微信”管理已连接微信接收的消息类型与分段方式。根据需要选择对方回复、自主活动、附件或其他投递内容。

先进入“能力 → 连接 → 连接 QQ”，按页面要求填写机器人连接信息。

然后打开联系人私聊设置，在“QQ 连接”中生成并复制绑定码，再用 QQ 把绑定码发送给机器人。

从 QQ 发来的消息，其回复回到 QQ；自主活动按渠道投递设置发送。具体连接状态与错误会显示在相应页面。

微信与 QQ 的联系人连接区域会在产生聊天记录后显示。首次看不到时，可以先完成一次桌面聊天，再打开联系人设置。

邮箱连接在“能力 → 连接”中配置，用于发送邮件和接收符合设置条件的回信。

接入自己的 Skill 或 MCP 时，使用外部能力清单与导入中的格式与步骤。

微信、QQ 和邮箱连接由桌面程序维护，使用时需要 Suzu Lives 保持运行。