第三方生成的参考快照
Cubic 原页面 · 抓取于 2026-09-23 · 源码提交。本页由英文快照机器辅助翻译，尚未逐页与当前代码核验；实际开发请以维护中的 Zhin 文档和资料存档勘误为准。
已确认勘误
Cubic 原文中的部分源码引用行号在固定提交上指向无关内容。请查看链接的文件，不要只依赖行号范围。参见语音文档。
相关源文件
以下文件是 Cubic 生成本页时引用的上下文：
语音链路（STT 与 TTS）
Zhin.js 中的语音管道提供了可选的语音识别（STT）和文本转语音（TTS）功能。它使多通道机器人能够处理入站语音数据，并生成出站音频响应。该系统以模块化“层级”形式运行，仅在产品需求需要丰富的媒体交互时才需安装。
来源：README.md:92-99, README.zh-CN.md:123
架构与数据流
语音模块直接集成到 Zhin.js 消息管道中。当启用时，它会拦截传入的音频片段进行转录，并将传出的文本片段转换为可播放的音频格式。
示意图展示了语音段如何通过语音工具包，在外部适配器和内部消息管道之间流动。 来源：README.md:83-91, packages/toolkit/speech/package.json:20-22
按层级划分的能力
语音服务归属于能力地图中的“连接”界面。如果缺少 @zhin.js/speech 包，系统将发出警告，并降级为标准文本处理。
来源：README.md:104-106, README.zh-CN.md:123
组件和提供者
语音管道支持多种行业标准引擎。这些引擎通过 @zhin.js/speech 包进行管理，该包列出了核心语音关键词，例如 Whisper 和 Edge-TTS。
| 特性 | 描述 | 支持的引擎 |
|---|---|---|
| 语音识别（STT） | 入站语音转文本的转录。 | Whisper，自定义提供者 |
| 文本转语音（TTS） | 出站文本转语音的合成。 | Edge-TTS，OpenAI，Azure，自定义 |
| 音频分段 | 消息管道中的音频分段处理。 | segment.tts |
来源：packages/toolkit/speech/package.json:20-22, README.zh-CN.md:123
安装与集成
语音模块是一项高级功能，会为生产版本增加约几兆字节的大小。该模块未包含在默认的 <10MB IM 核心安装包中。
依赖管理
要启用语音功能，您必须在项目中添加语音工具包：
pnpm add @zhin.js/speech该包需要 @zhin.js/core 作为依赖项，并使用 TypeScript 和 ESM 模块编写。
来源：README.md:126, packages/toolkit/speech/package.json:1-12, packages/toolkit/speech/package.json:28-34
集成流程
以下流程展示了典型语音交互的交互过程：
来源：README.md:83-91, README.zh-CN.md:123
配置摘要
虽然各个提供者的主配置通过标准的 Zhin.js 配置投影来处理，但语音模块本身被定义为一个工具包。
| 配置元素 | 作用 | 参考文件 |
|---|---|---|
@zhin.js/speech | 语音功能的入口点。 | packages/toolkit/speech/package.json |
segment.tts | 触发合成的主要 UI 组件。 | README.md |
Connect Surface | 管理适配器和语音集成规则。 | README.md |
来源：README.md:104-106, packages/toolkit/speech/package.json:1-5
结论
Zhin.js 语音管道为基于音频的机器人交互提供了一种可扩展的解决方案。通过将语音识别（STT）和语音合成（TTS）功能分离到 @zhin.js/speech 工具包中，该框架保持了轻量级的核心结构，同时实现了与 Whisper 和 Edge-TTS 等专业音频转录与合成引擎的深度集成。如果模块未安装，框架将通过优雅降级到文本交互来确保系统的稳定性。