语音控制
Neotask 包含全功能的语音控制系统，让您完全通过语音与 AI 代理交互。您可以激活代理、发出命令、导航界面并接收语音响应 -- 全程免手操作。
概述
激活方式
有两种方式激活语音输入：
- 始终监听唤醒词 -- 说出触发短语（例如 "Hey Neotask"），应用开始监听。无需按键。
- 键盘快捷键 -- 按下组合键按需启动语音输入。
您可以在设置 > 唤醒模式中选择偏好的方式。
语音交互流程
每次语音交互遵循以下循环：
- 唤醒 -- 通过唤醒词或键盘快捷键激活。
- 监听 -- Neotask 监听您的语音输入。
- 转录 -- 语音实时转换为文字。
- 思考 -- AI 处理您的请求并确定适当的操作。
- 说话 -- 使用自然的文字转语音技术朗读响应。
- 监听 -- 系统返回监听状态等待您的下一个命令，保持对话流畅。
唤醒词激活
默认唤醒词
默认唤醒词是：
"Hey Neotask"
只需说出这个短语，Neotask 就会开始监听您的命令。
自定义唤醒词
您可以在设置 > 唤醒词中设置自定义唤醒词。选择任何简短、独特且不太可能在正常对话中出现的短语。
性能
唤醒词检测完全在本地机器上运行 -- 不会将音频发送到云端进行唤醒词处理。检测引擎针对超低 CPU 使用进行了优化，因此可以在后台保持活跃而不影响系统性能。
灵敏度
唤醒词灵敏度是可配置的。如果您发现唤醒词触发太容易（误触发）或不够频繁（漏检），请在设置 > 唤醒词 > 灵敏度中调整灵敏度滑块。
键盘快捷键激活
默认快捷键
| 平台 | 快捷键 |
|---|---|
| macOS | Cmd + Shift + Space |
| Windows / Linux | Ctrl + Shift + Space |
自定义
键盘快捷键可完全自定义。前往设置 > 唤醒模式 > 键盘快捷键设置您偏好的按键组合。
语音功能
语音转文字
Neotask 使用 Deepgram 进行实时语音转文字转录。您说的话在您说话时以文字形式出现在对话中，延迟极低。
文字转语音
响应使用 ElevenLabs 自然文字转语音技术朗读。语音库包含 100+ 种声音，涵盖广泛的风格。
声音选择
在设置 > 语音中选择您偏好的声音。您可以按以下条件筛选声音：
- 性别 -- 男性、女性或中性。
- 口音 -- 美式、英式、澳式等更多选择。
- 年龄 -- 年轻、中年或成熟。
每个声音旁边都有声音预览按钮，让您在选择前听到样本。
对话控制
- 暂停 -- 随时暂停语音对话。AI 将停止监听和说话直到您恢复。
- 恢复 -- 从上次中断的地方继续对话。
文件附件
您可以在语音会话中附加文件。例如，说"I want to share a file"并使用附件对话框，或在语音模式激活时将文件拖放到对话窗口中。AI 随后可以引用和处理附加的文件。
语音命令
Neotask 理解广泛的自然语言命令。以下是常见类别及示例。
打开网站
| 示例命令 |
|---|
| "Open YouTube" |
| "Go to github.com" |
| "Open the Neotask documentation" |
搜索网络
| 示例命令 |
|---|
| "Search for Python tutorials on Google" |
| "Look up the weather in San Francisco" |
| "Search Stack Overflow for React hooks" |
启动应用
| 示例命令 |
|---|
| "Open Safari" |
| "Launch Finder" |
| "Open Visual Studio Code" |
| "Start Terminal" |
浏览器控制
| 示例命令 |
|---|
| "Scroll down" |
| "Go back" |
| "Refresh the page" |
| "Scroll to the top" |
代理操作
| 示例命令 |
|---|
| "Create an agent called Research Assistant" |
| "Start the agent" |
| "Stop the agent" |
| "Show me agent status" |
多命令链
您可以在单个语音命令中组合多个指令：
| 示例命令 |
|---|
| "Create an agent called Data Analyzer, enable voice, and start it" |
| "Open YouTube and search for machine learning tutorials" |
| "Stop the agent and show me the session log" |
语音期间的工具执行
当您的语音命令触发工具或操作时，Neotask 提供实时语音反馈让您知道正在发生什么：
- "I'm opening the file editor..."
- "Running the shell command now..."
- "Fetching the web page..."
支持的工具操作
可通过语音触发的工具包括：
- Shell 命令 -- 在您的机器上执行终端命令。
- 文件操作 -- 创建、读取、编辑和组织文件。
- Web 请求 -- 从 URL 和 API 获取数据。
审批工作流
当安全模式启用时（默认开启），敏感操作在执行前需要您的明确语音或点击批准。敏感操作包括：
- 删除文件或目录
- 部署代码或服务
- 代表您发送消息或邮件
AI 会描述操作并在执行前请求确认。
数学辅导模式
Neotask 包含专门的数学辅导模式，将语音教学与动画可视化相结合。
工作原理
- 提出数学主题 -- 例如 "Teach me about the unit circle."
- AI 生成针对该主题量身定制的课程计划。
- 使用 Manim（数学动画引擎）渲染动画可视化。
- 课程逐节交付，语音解释与视觉同步。
可视化模板
以下内置模板可用于即时动画课程：
| 模板 | 描述 |
|---|---|
| Unit Circle | 单位圆的视觉演练，带有角度和坐标标签。 |
| Pythagorean Theorem | 带有三角形边上标记正方形的几何证明动画。 |
| Taylor Series | 显示多项式逼近收敛的逐步展开。 |
| Quadratic Formula | 根的推导和图形解释。 |
| Sine / Cosine Waves | 带有振幅、周期和相位注释的动画波形图。 |
| Derivatives | 切线动画，说明瞬时变化率。 |
| Integrals | 曲线下面积动画，带有 Riemann 和递进。 |
| Graph Functions | 绘制任何函数，带有标记的坐标轴、截距和关键特征。 |
渐进式教学
课程被分成几个部分。每个部分结束后，AI 暂停并询问您是否准备好继续、想要回顾或有问题。这确保您按自己的节奏学习。
支持的语言
Neotask 支持 21 种语言的语音交互：
| 语言 | 代码 |
|---|---|
| English | en |
| Spanish | es |
| French | fr |
| German | de |
| Italian | it |
| Portuguese | pt |
| Dutch | nl |
| Russian | ru |
| Chinese (Mandarin) | zh |
| Japanese | ja |
| Korean | ko |
| Arabic | ar |
| Hindi | hi |
| Turkish | tr |
| Polish | pl |
| Swedish | sv |
| Danish | da |
| Norwegian | no |
| Finnish | fi |
| Czech | cs |
| Romanian | ro |
您可以随时在设置 > 语言中更改语音语言。语音识别和文字转语音都将切换到所选语言。
语音提示
语音提示控制 AI 助手在语音对话中的行为和响应方式。两者均可在设置 > 语音提示中编辑。
系统提示
系统提示定义语音助手的整体个性和行为。它设置语调、专业水平和交互风格。例如，您可以指示助手简洁技术化，或友好健谈。
响应提示
响应提示自定义助手格式化和交付语音响应的方式。使用它来控制响应长度、详细程度、助手是否使用类比以及其他风格偏好。
两个提示都接受自由格式文本，并立即对所有后续语音交互生效。