文档能力扩展
文档目录

语音输入

用全局快捷键或输入框麦克风说话,实时转写成文字写进 Proma 或当前光标;走官方识别,按音频时长扣积分。

更新于 2026年11月11日

语音输入把说的话转成文字,直接落进输入框或当前光标位置。识别由 Proma 官方提供,不需要自己配 API,按实际音频时长扣额度。

入口

  • 设置 →「语音输入」。
  • Agent 输入框工具栏的麦克风按钮,无障碍名在「开始语音输入」和「停止语音输入」之间切换;提问横幅的输入框里也有同一个按钮。
  • 全局快捷键默认 Ctrl + `(两个平台相同),在「快捷键管理」里可改。
  • 快捷键只在「启用语音输入」打开时注册,关掉开关后按了没反应。

开关与选项

  • 启用语音输入:默认关闭。关着时点麦克风按钮只弹提示「请先在设置中打开语音输入开关」,不录音。
  • 输入框长按说话:默认开,没有启用语音输入时置灰。
  • 识别语言:自动识别、中文普通话、英语、粤语、日语、韩语。
  • 自定义热词:多行输入,每行一个或用逗号分隔,只对本次识别生效,用来纠正人名和术语。
  • 输出方式:自动(Proma 激活时写进对话框,否则写当前光标)、仅复制到剪贴板、仅写入 Proma 输入框。

识别服务

卡片写着「Proma 官方语音输入」:「登录 Proma 后即可使用,无需配置 API。使用豆包双向流式优化版实时识别。」计费说明是「按实际 PCM 音频时长消耗 Proma 官方额度,当前价格约为 2 积分/小时。」

右上「测试连接」用来确认登录态,正常时提示「Proma 官方语音输入登录状态正常」。

麦克风权限

状态行有四种:

  • 已授权,语音输入可正常使用。
  • 已被系统阻止,请在系统设置中允许 Proma 访问麦克风。
  • 未授权,使用语音输入前需要先授权。
  • 当前系统不支持预检,录音时将自动弹出权限请求。

后两种状态下右侧出现「允许麦克风权限」或「重新请求权限」。授权成功提示「麦克风权限已授权」,拒绝提示「麦克风权限已被拒绝,请在系统设置中允许」。

只有 macOS 会预检,Windows 和 Linux 恒为「不支持预检」。

录音时的界面

  • 在 Proma 里录音时,按钮变成音量条,旁边依次显示「准备麦克风」「正在听写」「收尾中」。
  • 识别文字实时出现在输入框里:预览段按光标位置就地替换,后续结果继续覆盖同一段。
  • 结束时最终文字替换预览段,光标落在文本末尾;没有预览时插入当前光标处,是追加而不是整体替换输入框内容。
  • Proma 不在前台时,改为在光标所在屏幕底部弹出一条不抢焦点的状态条,显示同样三个阶段和最近两行识别文字。

长按说话:按住约半秒开始,松开结束。拖动超过小幅位移、离开窗口、窗口失焦、切换页面或按 Esc 都会取消开始。选中了一段文字时不会触发长按听写。长按触发的这次识别固定写进 Proma 输入框,不受「输出方式」影响。

结束之后的去向

  • 写进 Proma 输入框成功时提示「已写入 Proma 输入框」。
  • 写外部应用走「临时剪贴板 + 模拟粘贴」,成功后提示「已写入当前光标位置」,几秒后还原原来的剪贴板内容。
  • 选了仅复制时提示「已复制到剪贴板」。
  • 识别进行中再点任意输入框的麦克风按钮只会停止本次识别,不会改变文字去向。
  • 目标输入框在录音期间消失时,结果会被丢弃,不会回填到其他输入框。

注意

  • 对话进行中也可以说话,但写入之后仍需手动发送。
  • macOS 上粘贴到外部应用需要「辅助功能」权限,缺权限时返回「自动粘贴失败,已复制到剪贴板」,系统会同时弹出授权请求。
  • 停止后迟迟等不到最终结果会提示「等待最终识别结果超时,已保留当前文字,内容可能不完整」,并照常输出已有文字;连接中途断开也按同样方式处理。
  • 完全没有识别到语音时提示「没有识别到语音内容」,不写入任何位置。
  • Esc 取消会提示「已取消语音输入」,不输出文本。
  • 服务端因静音断开时会自动重连并继续录音,界面没有提示,短暂停顿不代表失败。
本页内容