語音與聽寫
先確定需要「聽寫錄音」還是「用聲音回覆」：前者設定 STT，後者設定 TTS，兩者互不要求。主聊天模型已經可用，也還需要單獨接通語音介面與認證資料。
設定與測試
進入 Dashboard → Models → Voice，或 Dashboard → Tools → Voice。選擇 TTS/STT，填寫 API 根位址和認證資料，探索或輸入模型，並選擇匹配的協定。
TTS 可設定音色、回應格式、逾時、最大文字長度和自動回覆行為，並進行試聽。STT 可設定語言、逾時、大小／文字限制和失敗策略，再執行連線測試。目錄讀取成功不代表帳號已經能夠完成真實合成或轉寫。
CLI 精靈：
anyy tools voice tts
anyy tools voice stt
把收到的錄音轉成文字
使用可交付受支援 audio 或 voice 附件的通訊管道/輸入路徑，設定的 STT 會在對話請求前轉寫。Dashboard 直接上傳目前把 PNG/JPEG 以外的內容標為一般檔案，因此在那裡上傳音訊不會自動觸發 STT。詳見媒體理解。
音訊預設先轉文字，輸入最多 25 MiB、轉寫文字最多 12,000 字元、逾時 60 秒。annotate、ignore、fail 控制轉寫失敗行為。規範語音 Endpoint 逾時上限為 600,000 ms；協定/模型可有更小限制，例如 mimo-v2.5-asr 僅接受 MP3/WAV，base64 輸入最多 10,000,000 位元組，對應原始內容最多 7,500,000 位元組。
支援時會傳送語言提示；它不保證逐字準確或說話者標籤，錯誤提示也可能影響多語言辨識。
讓 Anyy 以語音回覆
text_to_speech 工具可用時，可以要求：
把刚才的会议安排用一段简短语音读给我听。
成功結果儲存為音訊附件，並標明 AI 產生聲音。投遞取決於 Endpoint、輸出格式和目標通訊管道。標準 TTS 轉接器預設接受 4,096 字元並截斷更長文字；請設定合適上限或要求簡短回覆。試聽和合成都可能消耗付費配額。
通訊管道自動語音回覆
voice.auto_tts 提供通訊管道預設行為。在支援的通訊管道工作階段中：
| 指令 | 行為 |
|---|---|
/voice | 在關閉與僅語音輸入回覆之間切換 |
/voice on | 對語音輸入的回覆產生聲音 |
/voice tts | 對所有回覆產生聲音 |
/voice off | 關閉本對話的自動語音 |
/voice status | 顯示模式及其來自顯式設定還是預設值 |
工作階段設定覆蓋 Profile 預設值，仍要求 TTS 可用及通訊管道支援音訊投遞，不繞過通訊管道的大小／格式限制。
高階設定：協定必須和模型匹配
| 能力 | protocol | 請求契約 |
|---|---|---|
| TTS | audio-speech | Audio Speech（/audio/speech） |
| TTS | chat-audio-output | 含音訊輸出的 Chat Completions（/chat/completions） |
| STT | audio-transcriptions | Multipart Audio Transcriptions（/audio/transcriptions） |
| STT | chat-audio-input | 含音訊輸入的 Chat Completions（/chat/completions） |
填寫 https://api.example.com/v1 這樣的 API 根位址，不要填寫 /models、/audio/speech、/audio/transcriptions 或 /chat/completions。規範語音 Endpoint 表單要求 HTTPS，僅本機 loopback 服務可用 HTTP；URL 不能含認證資料、查詢參數或片段，也不會攜帶認證資料跟隨重新導向。
已知模型契約會選擇匹配協定。例如，已實現的 mimo-v2.5-tts 使用 chat-audio-output，mimo-v2.5-asr 使用 chat-audio-input。這不代表任意未來 MiMo ID、即時語音、聲音複製、聲音設計或說話者分離已受支援；這些專用模型不進入一般目錄發現。手動輸入未知模型時，需要明確的有效協定並通過測試。
高階 Profile 設定還支援命名的 openai/openai-compatible 或可信本機 command Provider；TTS 另支援命名的 openai-chat-audio。Command 路由設定於 tts.providers 或 media_understanding.audio.providers，不可將指令填進 HTTP Base URL。
錄音、轉寫文字或回覆文字可能離開裝置。處理敏感資料前，請了解服務商的隱私、留存、地區和計費規則。
常見問題
| 現象 | 檢查項 |
|---|---|
| 音訊沒有轉寫 | 附件型別是 audio/voice，STT 已啟用且格式、大小、協定受支援 |
| TTS 工具不可用 | 路由已設定並啟用，工作階段工具暴露 text_to_speech |
| 試聽失敗 | API 根位址、認證資料、模型、協定、音色和輸出格式 |
| 通訊管道只有文字 | 語音模式、TTS 可用性及通訊管道音訊投遞能力 |
| 語音內容截斷 | TTS 文字上限、STT 限制或 Provider 逾時 |