FastGPT 语音交互实战：4 步配好语音输入与语音播报-育师

FastGPT 语音交互实战：4 步配好语音输入与语音播报

【免费下载链接】FastGPTFastGPT is a knowledge-based platform built on the LLMs, offers a comprehensive suite of out-of-the-box capabilities such as data processing, RAG retrieval, and visual AI workflow orchestration, letting you easily develop and deploy complex question-answering systems without the need for extensive setup or configuration.项目地址: https://gitcode.com/GitHub_Trending/fa/FastGPT

在手机上、在车间里、在开车途中，打字总是不方便。你只需要对着一句话说话，AI 就能听懂并回答；回答完了，还能直接用语音念给你听。FastGPT 的语音交互功能就是干这件事的：语音输入负责把录音转成文字问题，语音播报负责把 AI 的文字回复念出来。下面带你从零把它跑起来。

🎙️ 先搞懂它是怎么工作的

语音输入的路径很简单：浏览器把麦克风录到的音频交给一个语音识别（STT）模型，比如官方示例里用的 SenseVoiceSmall，模型返回识别出的文字，填入输入框。你可以让它"自动发送"，录完直接问出去；也可以关掉，让用户先看看识别得准不准再发。

语音播报有两条路。一条是调用 TTS 语音模型，比如 fish-speech-1.5，服务端把音频流式返回，前端边收边播——回答还没生成完，前面的句子已经先读出来了；另一条是直接用浏览器内置的语音合成，零配置但音色比较普通。模型方式下，系统会按句号、问号等标点把长文拆成短句逐段合成，避免"憋着全文才开口"的尴尬。

上手教程：4 步配置语音功能

配置语音模型。到"设置 → 模型"里添加 TTS 和 STT 模型，并创建对应渠道。可以参照硅基流动接入示例，里面演示了选 fish-speech-1.5 做语音模型、SenseVoiceSmall 做语音输入模型。完成后到模型测试页点一下，看到全部通过即可。

开启语音播报。进入要配语音的应用，在应用配置里找到"语音播报"，选择刚才配好的 TTS 模型。做完后弹窗里能直接试听，听到朗读声说明通了。
开启语音输入。在应用配置里打开"语音输入"，按需勾选"自动发送"和"自动语音回复"。保存后，前台对话的输入框里会多出一个麦克风图标，这就是验证点。

发布并实测。应用改完记得点发布，再到聊天页按住麦克风说一句话。看到文字自动出现在输入框、AI 回答后自动念出来，整条链路就跑通了。更多细节可以看语音输入官方文档。

实际用起来是什么体验

移动端和现场场景。用户单手操作、戴着工牌手套，语音输入把"打字"这个门槛直接抹掉了。关掉自动发送，让对方确认一下识别文字再发出，能明显减少识别偏差带来的来回纠正。

连续语音对话的客服场景。把"自动发送"和"自动语音回复"同时打开，用户说一句、AI 答一句、答完直接念出来，全程不用碰屏幕，节奏接近真实对话。

给不方便看屏幕的用户。语音播报让视障或临时没法看屏幕的用户也能完整获得 AI 的回答内容，配合知识库问答，效果就是"问一句、听一段"。

常见问题

Q：提示"您的浏览器不支持语音输入"怎么办？先检查麦克风权限：浏览器要允许本站使用麦克风并选对设备；另外麦克风只在有 SSL 证书的站点（https）可用。排查步骤见聊天框常见问题。

Q：开了自动语音回复，为什么 AI 没有念出来？自动语音回复依赖语音播报功能，两个必须同时开启。只开了语音输入而没配 TTS 模型，回答就只有文字。

Q：语音播报选模型还是选浏览器合成？想音色自然、可控就配 TTS 模型；只是内部简单用、不想额外申请模型额度，浏览器合成开箱即用，无需任何配置。

Q：配完语音功能，聊天里怎么没生效？应用配置修改后需要点"发布"，前台聊天才会用上新配置。

到这里，你的应用已经具备了"能听、能答、能念"的完整语音能力。想继续深入，建议顺着语音输入文档和模型配置说明把 STT、TTS 模型换成更贴合自己业务的版本，再按场景调好自动发送的开关。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

FastGPT 语音交互实战：4 步配好语音输入与语音播报