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。

名称说明

自 v4.4.2 起，应用内的设置入口为 设置 → 智能 → AI 功能设置，界面文案中也将「AI 后处理」统一称为「AI 润色」。两者指同一功能。

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 → 智能 → AI 功能设置
2. 开启"启用 AI 润色"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 → 智能 → AI 功能设置 中：
   • 选择供应商：DEEPSEEK
   • 填入 API Key
   • 选择模型（如 deepseek-v4-flash）
   • 调整温度（默认 1.0）
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 → 智能 → AI 功能设置 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-5-luna
   • 温度：默认 1.0
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

图中「深度思考阈值允许」一步由「深度思考字数阈值」滑条控制，详见下文深度思考与推理参数。

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 → 智能 → AI 功能设置 中开启/关闭「后处理打字机效果」，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。关闭打字机效果后，会在润色完成时一次性提交最终文本。

超时与中断行为

• 润色超时：AI 后处理有超时上限，超时后不会一直等待，会以原文提交。
• 取消不再回退：手动取消润色后不会错误地再走一次非流式请求。
• 收起键盘即中断：隐藏键盘时会取消进行中的 AI 润色并提交原文，避免下次按麦克风无响应。

使用方式

AI 润色有多种触发方式：

触发方式	说明	适用场景
自动润色	开启「启用 AI 润色」总开关后，每次语音输入自动执行	日常使用，输出即最终结果
键盘「AI润色」键	点击键盘上的「AI润色」按钮，对本次识别结果手动执行润色	临时需要润色某次识别
AI 编辑面板	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
识别历史重新润色	在识别历史中对某条记录重新润色	对历史结果换 Prompt 重试

润色状态提示

润色进行时，键盘顶部的信息栏会显示当前阶段，可以据此判断这一次用的是哪个预设：

信息栏显示	含义
AI润色中…	正在润色，本次尚未确定具体预设
基础文本润色…	已确定本次使用的预设，信息栏直接显示预设名称（示例为「基础文本润色」）
正在选择提示词…	已开启「自动选择润色预设」，分类模型正在挑选预设

看到 正在选择提示词… 说明自动选择正在进行；信息栏随后换成某个预设名称时，本次就使用该预设润色。

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

AI 自动选择润色预设

每次语音输入的内容和意图可能截然不同：有时是日常随笔需要「通用后处理」，有时是多语言交流需要「翻译为英文」，有时是会议讨论需要「提取待办事项」或「提取关键要点」；而在转录内容本身已经十分清晰自然时，甚至无需润色直接输出最佳。

说点啥提供了 AI 自动选择润色预设 功能：在正式润色前，由分类模型根据语音识别文本与各预设的适用场景描述（Skill），自动匹配最合适的一个 Prompt 预设执行润色；在内容已足够好时也可以自动跳过润色。

分类进行时，键盘顶部的信息栏会显示「正在选择提示词…」；选定后改为显示本次使用的预设名称，详见键盘顶部的状态提示。

配置入口

路径：设置 → 智能 → AI 功能设置 → AI选择润色预设

1. 总开关：开启「自动选择润色预设」
2. 选择候选提示词：从已配置的 Prompt 预设中勾选至少 2 个候选项
   • 勾选的普通预设必须均已填写 Skill 描述（说明该预设的适用场景与预期效果）
   • 内置特殊候选「跳过润色」：当转录内容已经准确、自然、完整且可直接使用时，自动跳过后续润色直接提交原文，避免过度润色与多余耗时
3. 选择模型：
   • 默认「跟随默认润色模型」
   • 也可以单独指定轻量、快速的分类模型（支持各大供应商已配置的模型，或 TypeSafe Jev 专用决策分类器），实现“轻量模型做路由，主模型做润色”

TypeSafe Jev 决策分类器

Jev（模型 jev-latest）是只做决策的分类模型：仅用于「自动选择润色预设」时的预设匹配，不能用于对话或文本润色。它适合配合“轻量模型做路由，主模型做润色”的使用方式，将预设分类与润色耗时分离开。

1. 在「AI选择润色预设 → 选择模型」中选择 TypeSafe Jev 专用决策分类器
2. 在出现的「Jev 分类器凭证」区域选择请求渠道：
   • TypeSafe：Jev 官方渠道，填写 TypeSafe API Key
   • OpenRouter：通过 OpenRouter 调用 Jev，填写 OpenRouter API Key
   • Cloudflare：经 Cloudflare 渠道调用 Jev，填写 Cloudflare API Key 与 Cloudflare Account ID
   • 自定义（TypeSafe 兼容端点）：填写兼容 TypeSafe 协议的端点地址与模型 ID
3. 保存后可在「AI 选择润色预设 → 效果预览」中验证分类效果

预设 Skill 描述

在 设置 → 智能 → AI 功能设置 → 润色 Prompt 预设 中编辑任意预设时，除「Prompt 内容」外，还可以填写「Skill 描述」。

内置的 5 个预设已提供默认 Skill 描述：

• 通用后处理：当转录内容包含较多口头语、重复、自我更正或识别错误，需要在保留原意和语气的前提下整理时使用。
• 基础文本润色：当转录内容需要常规纠错、补充标点并整理为自然通顺的文字，且没有翻译、提炼或任务整理等明确意图时使用。
• 翻译为英文：当用户说的内容明确包含翻译成英文的意图时使用。
• 提取关键要点：当用户明确要求总结、提炼要点，或内容较长且适合整理为简洁要点时使用。
• 提取待办事项：当用户明确要求整理待办，或内容中包含需要提取的任务、负责人、时间等行动项时使用。

效果预览

在配置好候选预设与选择模型后，点击「效果预览」：

1. 页面会载入近期的识别历史记录
2. 勾选若干条真实历史文本，点击「开始分类」
3. 即可批量直观查看当前配置的分类匹配结果、分类耗时（毫秒）以及命中的预设或跳过润色判定，便于在正式输入前调整 Skill 描述与候选组合
4. 当选择模型为 TypeSafe Jev 时，每条结果还会显示匹配置信度（百分比），方便评估本次分类判定的可靠程度

历史记录追溯

开启自动选择后，历史记录详情会记录自动选择快照：

• 标明本次是自动选择了哪个预设、自动跳过了润色，还是分类失败退回了默认预设
• 在时间轴中将「选择提示词」耗时与「AI 润色」耗时独立展现

容错机制

• 若分类请求网络超时（独立 8 秒超时保护）、报错或输出无法识别，应用会自动平滑退回当前默认选中的 Prompt 预设进行常规润色，不会中断输入流程。

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

自定义 Prompt 与全屏编辑

您可以在 设置 → 智能 → AI 功能设置 → 润色 Prompt 预设 中：

1. 点击「新增预设」创建新 Prompt
2. 编写 Prompt 标题、Prompt 内容及 Skill 描述
3. 点击 Prompt 内容编辑框右侧的全屏编辑图标，可进入全屏编辑器编写复杂长 Prompt
4. 保存并在键盘或 AI 编辑面板中快速应用

AI 编辑系统提示词

AI 编辑面板使用独立的系统提示词来理解“按指令修改当前文本”的任务。可在 设置 → 智能 → AI 功能设置 → AI 编辑系统提示词 中自定义；留空时使用应用内默认提示词。

建议只修改角色、约束和输出格式等长期规则。一次性的编辑要求（例如“翻译成英文并简化”）仍应在 AI 编辑面板中通过语音指令说出。

高级参数与推理设置

在 设置 → 智能 → AI 功能设置 中，温度滑块与推理深度思考设置已收录入「更多参数」弹窗中，保持主设置页清爽直观。

深度思考字数阈值

在 设置 → 智能 → AI 功能设置 中，可以通过「深度思考字数阈值」滑条，按本次识别文本的字数决定是否让模型进行深度思考：

滑条位置	行为
最左端（启用）	永久启用深度思考
中间值	识别文本字数超过阈值时才启用，短文本直接输出以降低延迟
最右端（不启用）	永不启用深度思考

阈值按每个 LLM 供应商分别保存。此前使用旧版「启用深度思考」开关的配置会自动迁移：原开关开启对应「永久启用」，关闭对应「永不启用」。

使用建议

日常短句无需深度思考，保持直出响应更快；长文本改写、待办提取等复杂任务可把阈值调低，让模型只在内容较多时进行思考。

支持推理的供应商

部分供应商支持"推理模式"（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，但通常会增加处理时间和 Token 消耗。不同供应商的控制方式不同，是否真正启用推理由上文「深度思考字数阈值」滑条决定；仅当所选模型支持推理且阈值允许时，才会附加推理参数。

自定义推理参数（JSON）

部分供应商的「推理模式」会提供"推理开启参数（JSON）/推理关闭参数（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

适用场景建议

推理模式适合复杂文本改写（如专业术语转换）、需要逻辑推理的任务（如提取待办事项）和多步骤处理（如翻译+润色）；简单的去除语气词不需要推理，开启只会增加延迟。

供应商与模型

说点啥支持 13 个 LLM 供应商，所有供应商均使用 OpenAI 兼容的 API 格式：

在设置页选择 LLM 供应商时，已填写密钥或已可用的供应商会优先显示在“已配置”分组中，未配置的供应商会放在后面，便于快速切换。

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
DASHSCOPE 阿里千问（原阿里云百炼）	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	-

在 设置 → 智能 → AI 功能设置 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。

在「测试」过程中可随时取消当前请求，便于快速调整配置并重新测试。测试成功时会展示分段耗时，方便判断慢在哪一步：

• 流式输出：是否支持流式（不支持时按非流式返回）
• 连接建立 / 响应头 / 首个可见文本 / 输出：各阶段耗时与合计耗时
• 连接复用：本次测试是新建连接还是复用了已有连接

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。

Pro 功能

以下功能仅在 Pro 版中可用。

AI 助手 Pro

AI 助手可根据唤醒词和关键词自动匹配预设模式，并应用对应的 AI 后处理 Prompt。识别文本句首出现唤醒词时（默认唤醒词随应用语言本地化，中文为「点点」，英文界面为 "BB"），自动进入 AI 助手流程。

• 预设模式：可配置多套预设并同时启用，不同场景绑定不同的 Prompt 预设
• 独立模型：在 AI 助手模式设置 中可为 AI 助手指定独立的 LLM 模型，不必跟随默认润色模型
• 关键词匹配：按预设关键词自动选择最合适的处理模式
• 模糊匹配：支持唤醒词与预设关键词的模糊匹配，口语化表达也能触发
• 可自定义：支持自定义唤醒词、关键词和各模式对应的 Prompt 规则

应用专属 Prompt Pro

Pro 版可为不同前台应用分别绑定润色 Prompt：指定应用（如聊天软件、浏览器）在前台时，录音识别后的 AI 润色会自动套用该应用对应的 Prompt 预设，无需每次手动切换。

输入框上下文辅助 Pro

在主键盘录音时，Pro 版可把光标附近的输入框文本作为参考发送给 AI 后处理，让模型更容易衔接上下文、保持术语和语气一致。启用 IME Bridge 的悬浮球录音也可使用该上下文能力。

若同时开启了「AI 自动选择润色预设」，分类模型在决定使用哪个 Prompt 预设时也会将光标前后的上下文作为参考，实现更契合当前语境的精准路由。

隐私说明

输入框上下文只用于 AI 后处理与预设选择参考，适合在信任当前 LLM 供应商时开启。AI 的最终输出仍应只包含本次 ASR 文本的处理结果。

热词增强 Pro

Pro 版热词可在开启「向识别引擎注入热词」后按供应商能力参与识别，也可独立开启「识别后替换读音近似词」，在识别结束后按音素相似性做兜底替换。 目标词固定作为一个别名，还可额外添加两个别名；目标词和别名都会参与音素匹配，命中后统一替换为目标词。

示例：热词「音素」可添加别名「因素」「严肃」，识别到「因素」时替换为「音素」；也可以把热词设为 xxxx@qq.com，别名设为「主邮箱」，实现快捷短语输入。

故障排查

AI 后处理不生效

检查清单：

1. ✅ 润色模式总开关已开启（设置 → 智能 → AI 功能设置 → 启用 AI 润色）
2. ✅ 输入文本字数达到「少于特定字数时跳过 AI 后处理」的阈值
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
• 温度过高 → 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. 关闭深度思考
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