AI 后处理

AI 后处理功能使用大型语言模型（LLM）对 ASR 识别结果进行智能优化，包括去除语气词、修正错别字、调整标点、改写润色等，让语音输入更加流畅自然。

快速配置指南

使用免费服务（推荐）

说点啥默认配置了 SiliconFlow 免费服务，无需 API Key 即可使用：

1. 进入 设置 → AI 后处理
2. 开启"启用 AI 后处理"开关
3. 确认供应商为 SF_FREE（默认）
4. 选择 Prompt 预设（推荐"通用后处理"）
5. 在说点啥键盘上点击魔法棒按钮启用 AI 后处理模式
6. 完成！现在语音输入会自动进行 AI 优化

免费服务说明

• 有一定免费额度（具体见 SiliconFlow 官网）
• 可选模型：Qwen/Qwen3-8B、THUDM/GLM-4-9B 等
• 如需其他模型，可注册 SiliconFlow 账号领取 14 元赠金并使用自己的 API Key

配置付费供应商

以 DeepSeek 为例：

1. 访问 DeepSeek 平台注册账号
2. 创建 API Key 并充值
3. 在说点啥 设置 → AI 后处理 中：
   • 选择供应商：DEEPSEEK
   • 填入 API Key
   • 选择模型（如 deepseek-chat）
   • 调整 Temperature（建议 0.2）
4. 保存并测试

配置自定义供应商

对于任何 OpenAI 兼容的 API：

1. 在 设置 → AI 后处理 中选择供应商：CUSTOM
2. 填写完整配置：
   • 端点：如 https://your-api.com/v1
   • API Key：您的密钥
   • 模型：如 gpt-3.5-turbo
   • Temperature：建议 0.2
3. 保存并测试

自定义端点要求

• 必须兼容 OpenAI Chat Completions API 格式
• 端点路径通常为 /v1/chat/completions（会自动拼接）

功能说明

工作流程

语音录音 → ASR 识别 → [AI 后处理] → 提交文本

流式输出预览与打字机效果

当 LLM 供应商支持流式输出时，AI 后处理会在处理过程中逐步显示结果预览（所见即所得）。您可以在 设置 → AI 后处理 中开启/关闭「打字机效果」，让预览输出更平滑。

说明

打字机效果仅影响“流式预览”的展示方式，不影响最终提交到输入框的文本内容。

适用场景

推荐使用场景

• 口语转书面：会议记录、报告撰写
• 长文本输入：减少后期修改工作量
• 专业内容：需要规范表达的场景
• 多语言：结合翻译 Prompt 实现语音跨语言输入

不建议场景

• 聊天对话（保持口语化更自然）
• 极短文本（如单个词语、数字）
• 对延迟敏感的场景

支持的 LLM 供应商

说点啥支持 12 个 LLM 供应商，所有供应商均使用 OpenAI 兼容的 API 格式：

供应商	注册链接
SF_FREE 硅基流动免费服务	立即使用
DEEPSEEK 深度求索	注册
ZHIPU 智谱	注册
MOONSHOT 月之暗面	注册
VOLCENGINE 火山引擎	注册
OPENAI	注册
GEMINI Google	注册
GROQ	注册
CEREBRAS	注册
FIREWORKS	注册
OHMYGPT	注册
CUSTOM 自定义	-

推理模式（Reasoning Mode）

部分供应商支持"推理模式"切换（Thinking/Reasoning），模型会先进行深度思考再输出结果，适合复杂的文本处理任务。推理模式通常会增加处理时间和 Token 消耗。

Prompt 预设系统

说点啥内置 5 个常用 Prompt 预设，并支持自定义：

内置预设

预设名称	用途	效果
通用后处理	日常语音输入	去除语气词、修正口误、保持原意
基础文本润色	书面化改写	修正语法、添加标点、流畅表达
翻译为英文	跨语言输入	将识别文本翻译为英文
提取关键要点	会议记录	提取核心信息为无序列表
提取待办事项	任务管理	识别任务项并生成 checklist

自定义 Prompt

您可以在 设置 → AI 后处理 → Prompt 预设 中：

1. 点击"添加预设"创建新 Prompt
2. 编写 Prompt 内容（建议包含角色、任务、规则、输出要求）
3. 保存并在 AI 编辑面板中快速应用

配置选项

基础配置

配置项	类型	默认值	说明
postProcessEnabled	Boolean	false	AI 后处理总开关
postprocTypewriterEnabled	Boolean	true	流式预览打字机效果（仅影响展示）
llmVendor	LlmVendor	SF_FREE	当前选择的 LLM 供应商
llmEndpoint	String	供应商默认	API 端点（内置供应商自动设置）
llmApiKey	String	""	API 密钥（免费服务无需填写）
llmModel	String	供应商默认	使用的模型名称
llmTemperature	Float	0.2	温度参数（0-2，越低越稳定）

高级配置

配置项	类型	默认值	说明
postprocSkipUnderChars	Int	0	少于该字数时跳过 AI 处理（0=不跳过）
activePromptId	String	""	当前活动的 Prompt 预设 ID
promptPresetsJson	String	""	Prompt 预设列表 JSON

Temperature 参数说明

• 0 - 0.3：输出高度一致，适合精确处理
• 0.4 - 0.7：平衡创造性与稳定性
• 0.8 - 2.0：输出更有创造性，但可能不稳定

供应商推理模式支持

部分供应商支持推理模式，通过不同方式控制：

供应商	推理控制方式	支持模型	说明
DEEPSEEK	模型选择	deepseek-reasoner	选择 reasoner 模型启用推理
MOONSHOT	模型选择	kimi-k2-thinking	选择 thinking 模型启用推理
SF_FREE	参数开关	Qwen3 系列、DeepSeek-V3.1 等	在设置中开启"推理模式"开关
GEMINI	参数开关	gemini-2.5-flash 及以上	reasoning_effort 参数
GROQ	参数开关	qwen3-32b、gpt-oss 系列	reasoning_effort 参数
CEREBRAS	参数开关	gpt-oss-120b	reasoning_effort 参数
VOLCENGINE	参数开关	doubao-seed 系列、deepseek	thinking.type 参数
ZHIPU	参数开关	glm-4.6、glm-4.5 系列	thinking.type 参数
OHMYGPT	参数开关	gemini-2.5、claude、gpt-5 系列	reasoning_effort 参数

推理模式适用场景

• ✅ 复杂文本改写（如专业术语转换）
• ✅ 需要逻辑推理的任务（如提取待办事项）
• ✅ 多步骤处理（如翻译+润色）
• ❌ 简单去除语气词（不需要推理，会增加延迟）

模型选择与获取模型列表

在 设置 → AI 后处理 中，您可以通过「获取模型列表」从供应商拉取可用模型，并将常用模型添加到应用内的下拉选择中。

提示

对于 CUSTOM（自定义） 供应商，如果您的服务端有默认模型，也可以不填写模型名；若测试调用失败，再按服务商要求填写即可。

高级：自定义推理参数（JSON）

部分供应商的「推理模式」会提供“推理参数（开启/关闭）”的 JSON 输入框，用于在不同模式下附加高级参数：

• 不确定就留空（使用默认即可）
• 必须是合法 JSON 对象（示例：{"reasoning_effort":"medium"}）
• 参数名以各供应商官方文档为准

使用技巧

AI 后处理有三种触发方式：

触发方式	说明	适用场景
自动处理	每次语音输入后自动执行	日常使用，输出即最终结果
AI 编辑	手动选择文本，点击键盘左侧的铅笔图标进入编辑面板。点击魔法棒按钮选择应用的提示词	需要反复调整或多次尝试
跳过短文本	设置最小字数阈值	避免处理无意义的短语音

故障排查

AI 后处理不生效

检查清单：

1. ✅ 总开关已启用（postProcessEnabled = true）
2. ✅ 输入文本长度 ≥ postprocSkipUnderChars
3. ✅ 供应商配置正确（API Key 有效）
4. ✅ 网络连接正常
5. ✅ API 额度未耗尽

输出结果不符合预期

可能原因：

• Prompt 不够明确 → 添加详细示例
• Temperature 过高 → 降低到 0.2
• 模型选择不当 → 尝试更强大的模型
• 输入文本过长 → 检查是否超出模型上下文限制

处理速度慢

优化方案：

1. 切换到更快的供应商（Groq、Cerebras）
2. 使用更小的模型（如 Qwen3-8B 而非 Qwen3-235B）
3. 关闭推理模式
4. 简化 Prompt 内容

相关功能

• 语音输入基础 - 了解 ASR 识别流程
• 键盘布局与按钮 - AI 编辑面板入口与按钮说明