语音与听写
先确定需要“听写录音”还是“用声音回复”：前者配置 STT，后者配置 TTS，两者互不要求。主聊天模型已经可用，也还需要单独接通语音接口与凭据。
配置与测试
进入 Dashboard → Models → Voice，或 Dashboard → Tools → Voice。选择 TTS/STT，填写 API 根地址和凭据，发现或输入模型，并选择匹配的协议。
TTS 可设置音色、响应格式、超时、最大文字长度和自动回复行为，并进行试听。STT 可设置语言、超时、体积/文字限制和失败策略，再执行连接测试。目录读取成功不代表账号已经能够完成真实合成或转写。
CLI 向导：
anyy tools voice tts
anyy tools voice stt
把收到的录音转成文字
使用可交付受支持 audio 或 voice 附件的渠道/输入路径，配置的 STT 会在对话请求前转写。Dashboard 直接上传目前把 PNG/JPEG 以外的内容标为普通文件，因此在那里上传音频不会自动触发 STT。详见媒体理解。
音频默认先转文字，输入最多 25 MiB、转写文字最多 12,000 字符、超时 60 秒。annotate、ignore、fail 控制转写失败行为。规范语音 Endpoint 超时上限为 600,000 ms；协议/模型可有更小限制，例如 mimo-v2.5-asr 仅接受 MP3/WAV，base64 输入最多 10,000,000 字节，对应原始内容最多 7,500,000 字节。
支持时会发送语言提示；它不保证逐字准确或说话人标签，错误提示也可能影响多语言识别。
让 Anyy 发一段声音
text_to_speech 工具可用时，可以要求：
把刚才的会议安排用一段简短语音读给我听。
成功结果保存为音频附件，并标明 AI 生成声音。投递取决于 Endpoint、输出格式和目标渠道。标准 TTS 适配器默认接受 4,096 字符并截断更长文字；请设置合适上限或要求简短回复。试听和合成都可能消耗付费配额。
渠道自动语音回复
voice.auto_tts 提供渠道默认行为。在支持的渠道会话中：
| 命令 | 行为 |
|---|---|
/voice | 在关闭与仅语音输入回复之间切换 |
/voice on | 对语音输入的回复生成声音 |
/voice tts | 对所有回复生成声音 |
/voice off | 关闭本对话的自动语音 |
/voice status | 显示模式及其来自显式设置还是默认值 |
会话设置覆盖 Profile 默认值，仍要求 TTS 可用及渠道支持音频投递，不绕过渠道的体积/格式限制。
高级设置：协议必须和模型匹配
| 能力 | protocol | 请求契约 |
|---|---|---|
| TTS | audio-speech | Audio Speech（/audio/speech） |
| TTS | chat-audio-output | 含音频输出的 Chat Completions（/chat/completions） |
| STT | audio-transcriptions | Multipart Audio Transcriptions（/audio/transcriptions） |
| STT | chat-audio-input | 含音频输入的 Chat Completions（/chat/completions） |
填写 https://api.example.com/v1 这样的 API 根地址，不要填写 /models、/audio/speech、/audio/transcriptions 或 /chat/completions。规范语音 Endpoint 表单要求 HTTPS，仅本地 loopback 服务可用 HTTP；URL 不能含凭据、查询参数或片段，也不会携带凭据跟随重定向。
已知模型契约会选择匹配协议。例如，已实现的 mimo-v2.5-tts 使用 chat-audio-output，mimo-v2.5-asr 使用 chat-audio-input。这不代表任意未来 MiMo ID、实时语音、声音克隆、声音设计或说话人分离已受支持；这些专用模型不进入普通目录发现。手动输入未知模型时，需要明确的有效协议并通过测试。
高级 Profile 配置还支持命名的 openai/openai-compatible 或可信本地 command Provider；TTS 另支持命名的 openai-chat-audio。Command 路由配置于 tts.providers 或 media_understanding.audio.providers，不能把命令填进 HTTP Base URL。
录音、转写文字或回复文字可能离开设备。处理敏感资料前，请了解服务商的隐私、留存、地区和计费规则。
常见问题
| 现象 | 检查项 |
|---|---|
| 音频没有转写 | 附件类型是 audio/voice，STT 已启用且格式、大小、协议受支持 |
| TTS 工具不可用 | 路由已配置并启用，会话工具暴露 text_to_speech |
| 试听失败 | API 根地址、凭据、模型、协议、音色和输出格式 |
| 渠道只有文字 | 语音模式、TTS 可用性及渠道音频投递能力 |
| 语音内容截断 | TTS 文字上限、STT 限制或 Provider 超时 |