Voice Mode

通过 GPT-4o Realtime 和 WebRTC 与 Apollo Brain 进行实时语音对话。

​

概览

Voice Mode 支持与 Apollo Brain 进行实时语音对话。它使用 OpenAI 的 GPT-4o Realtime API 进行语音处理，Apollo Brain 的工具作为函数调用可用 — 因此您可以通过语音提问、创建任务和管理工作空间。

​

工作原理

​

模式

Push-to-Talk (PTT)

按住按钮说话，松开发送。适合嘈杂环境。

免提模式

持续监听模式。系统自动检测您何时开始和停止说话。适合专注工作时段。

​

音频处理

• Echo Gate — 防止扬声器输出被麦克风拾取，避免反馈回路
• 静音控制 — 快速静音麦克风
• 实时指示器 — 视觉反馈显示系统正在监听、处理还是说话

​

对话示例

您： “我今天有哪些任务？” Brain： “您今天有 5 个任务。其中两个是高优先级：API 端点迁移和登录错误修复。需要我逐一介绍吗？”

您： “创建一个任务来审查部署流水线，分配给我，高优先级，本周末前完成” Brain： “我想创建一个任务：‘审查部署流水线’，分配给您，高优先级，截止周五。可以继续吗？”

您： “给我看看这个月的 AWS 费用” Brain： “您二月份的 AWS 总费用为 $4,230。最大的支出项是 ECS$2,100 和 RDS $890。需要详细明细吗？”

Voice Mode 需要稳定的网络连接以支持 WebRTC 流传输。音频质量取决于您的麦克风硬件。