豆包语音输入使用指南

试用额度：豆包开放平台会给新用户提供 20 小时 免费语音识别时长，可先用来验证这套语音输入流程是否适合你。

概述

什么是豆包语音输入

豆包语音输入是 HagiCode 集成的语音识别功能，底层使用字节跳动豆包开放平台的服务。你开口说话，系统会把语音转成文本。产品还会结合当前项目上下文，帮助识别领域词汇和技术术语。

主要应用场景

在 HagiCode 里，下列场景更适合直接用语音输入：

• 快速输入提案：无需打字，直接口述即可快速创建和提交提案，大幅提升效率
• 提供评注：在代码审查或文档评审时，用语音快速添加评注和反馈意见
• 回答消息：在对话和讨论中，用语音快速回复消息，打字不再是负担
• 长篇内容创作：快速生成项目文档、技术说明、会议记录等长篇内容

它带来的实际好处

• 深度集成与上下文感知：HagiCode 深度集成豆包语音识别，自动利用当前项目上下文（如代码结构、技术栈、领域术语），为语音识别提供精准的领域词汇识别，技术术语识别准确率显著提升
• 免费试用时长：豆包平台提供 20 小时免费识别时长，零门槛体验语音输入
• 速度极快：实时识别，说话的同时即可看到文字，无需等待
• 准确率高：基于豆包先进的语音识别模型，配合项目上下文，识别结果精准可靠
• 无缝集成：直接集成在 HagiCode 的消息输入框中，无需切换应用
• 使用便捷：点击麦克风即可开始，简单直观

快速开始

前置条件

在使用豆包语音输入功能之前，你需要：

1. 获取豆包开放平台账号

   • 访问 豆包语音识别控制台
   • 注册或登录账号

2. 创建应用并获取凭证

   • 在平台上创建语音识别应用
   • 获取 APP ID 和 Access Token

3. 确保网络连接

   • 语音识别服务需要网络连接
   • 确保你的设备能够访问豆包 API 服务

基本使用流程

以下是使用豆包语音输入的基本步骤：

1. 获取 APP ID 和 Access Token
2. 在产品中配置语音识别
3. 测试 API Key
4. 找到语音输入框
5. 点击麦克风按钮
6. 授权麦克风权限
7. 开始录音
8. 实时查看识别结果
9. 点击停止录音
10. 完成文本插入

技术要求

HTTP 环境

豆包语音输入功能需要在 HTTP/HTTPS 环境下运行。

环境	支持情况	说明
localhost	✓	本地开发环境（http://localhost 或 http://127.0.0.1）
HTTPS 远程服务器	✓	部署到外网且使用 HTTPS 的 Web 应用
HTTP 远程服务器	✗	部署到外网但使用 HTTP 的 Web 应用
file:// 协议	✗	不支持直接打开 HTML 文件

豆包语音输入功能存在以下限制：

1. 外网部署必须使用 HTTPS：由于浏览器安全限制，从外网访问时必须使用 HTTPS 协议才能获取麦克风权限
2. 本地地址无限制：使用 localhost 或 127.0.0.1 时，HTTP 和 HTTPS 都支持
3. file:// 协议不支持：file:// 协议环境下无法使用麦克风和 WebSocket 连接

Desktop 版本

HagiCode 的 Desktop 版本内置了 HTTP 环境，完全支持语音输入功能。你可以直接使用语音识别，无需额外配置。

Host 模式

本地 Host 模式支持语音输入功能：

• 使用 localhost 或 127.0.0.1 时，HTTP 和 HTTPS 都支持
• 部署到外网时，必须使用 HTTPS

配置步骤

获取 APP ID

1. 访问 豆包语音识别控制台
2. 登录或注册账号
3. 进入控制台，创建新的语音识别应用
4. 在应用详情页面，找到并复制 APP ID

获取 Access Token

1. 在豆包开放平台的控制台中
2. 进入你的语音识别应用
3. 找到 API 密钥管理区域
4. 生成或复制 Access Token

请妥善保管你的 Access Token，不要将其泄露给他人。如需更换，可以在豆包开放平台重新生成。

在产品中配置

1. 打开 HagiCode 应用
2. 进入 设置 → 语音识别设置
3. 在配置表单中填写以下信息：
   • Provider：选择 doubao（豆包）
   • APP ID：粘贴你从豆包平台获取的 APP ID
   • Access Token：粘贴你从豆包平台获取的 Access Token
4. （可选）根据需要调整其他配置参数
5. 点击 测试 API Key 按钮验证配置
6. 配置验证成功后会自动保存到浏览器本地

配置字段说明

字段	必填	说明	默认值
Provider	是	语音识别服务提供商	doubao
APP ID	是	应用唯一标识符，从豆包开放平台获取	-
Access Token	是	身份验证的访问令牌，从豆包开放平台获取	-
Service URL	否	API 服务地址，通常使用默认值	（1）
最大录制时长	否	单次录音的最长持续时间，范围 10-600 秒	300 秒
采样率	否	音频采样率，支持 16000 Hz	16000 Hz
位深度	否	音频位深度	16-bit
声道数	否	音频声道数，单声道	1
（1）wss://openspeech.bytedance.com/api/v3/sauc/bigmodel_async

测试 API Key

配置完成后，建议测试 API Key 是否有效：

1. 点击 测试 API Key 按钮
2. 系统会调用测试接口验证你的配置
3. 如果配置正确，会显示成功提示
4. 如果配置错误，会显示错误信息，请检查以下内容：
   • APP ID 和 Access Token 是否正确
   • 网络连接是否正常
   • Access Token 是否已过期

如果测试失败，请首先检查网络连接是否正常，然后确认豆包开放平台的 API 密钥是否有效且未过期。

使用方法

找到语音输入位置

在 HagiCode 中，带有麦克风图标的文本输入框都支持语音输入。这些组件通常被称为 VoiceTextArea。

常见的语音输入位置包括：

• 消息输入框
• 文本编辑区域
• 需要输入文本的各种表单字段

启动语音识别

1. 找到带麦克风图标的输入框
2. 点击麦克风按钮
3. 浏览器会请求麦克风权限
4. 点击 允许 授权麦克风访问

如果你之前已经授权过麦克风，浏览器可能不会再次请求权限。如需检查或更改权限设置，可以在浏览器地址栏左侧的锁形图标中查看。

录音状态说明

授权成功后，语音识别会自动启动，你可以看到：

• 波形动画：麦克风按钮内会显示动态的声波波形，表示正在录音
• 时长显示：按钮下方会显示当前录音时长
• 实时识别：识别的文本会临时显示在光标位置

实时识别结果显示

在录音过程中，语音识别引擎会实时将你的语音转换为文字：

• 识别的文本会以灰色临时显示在输入框中
• 随着你的说话，识别结果会不断更新
• 支持普通话识别，准确率较高

为了获得更好的识别效果，建议：

• 在安静的环境下使用
• 说话清晰、语速适中
• 避免背景噪音干扰

停止识别

要停止语音识别，你可以：

1. 点击麦克风按钮：再次点击按钮可停止录音
2. 点击输入框：点击输入框的其他区域也会停止录音

停止后，识别的最终文本会被正式插入到输入框中，你可以继续编辑或发送。