这几天花时间更新了一个 package ,使用语音模式和 agent 交互 提高输入效率。

怎么用

• /voice：说一段，停顿一下自动收尾，转写结果落进输入框。
• /voice ptt：按住空格说话，页脚有实时电平条，松手发送。
• /voice auto：免手操，它读完麦克风自己开，你打字就暂停。

你敲键盘就取消，识别错了可以先改。回复会用 Edge TTS 读出来，朗读前把 Markdown 剥掉，不会念一堆星号和 URL。你一打字或按 PTT，正在播的立刻静音。

转写用的是 SenseVoice（sherpa-onnx 静态链进扩展），支持中英日韩粤，自动判语言，自带标点。模型约 240MB 放在 ~/.rpi/agent/models/sense-voice/，首次使用自动下载。 朗读使用Microsoft TTS 默认音色 zh-CN-XiaoxiaoNeural，/voice set zh-CN-YunxiNeural 换男声。

装起来

装 rpi（单二进制，挑一个）：

curl -fsSL https://raw.githubusercontent.com/bigfish1913/pi-rust/main/scripts/install.sh | sh   # 预编译，Linux/macOS
cargo install rpi-cli                  # 从 crates.io，需要 Rust 1.78+
brew tap bigfish1913/tap && brew install rpi     # macOS(ARM)/Linux
scoop install rpi                      # Windows，先 scoop bucket add bigfish1913 https://github.com/bigfish1913/scoop-bucket

装 rpi-voice，想全离线就得自己编译（原生库塞不进默认包）：

开箱即用 rpi install rpi-voice

跑起来：rpi，然后 /voice model download 预取模型，/voice ptt 开按住说话，/voice status 看输入设备和当前音色。

跑长任务的时候用 /voice auto 追加约束，改完一段让它读一遍当听觉 review，写 diff 描述直接口述

仓库在 https://github.com/pi-rust/rpi-package，扩展在 packages/rpi-voice/，命令和环境变量的完整清单在那边 README 里。

目前package 支持扩展 。欢迎大家PR和star https://github.com/bigfish1913