会飞的荧
@feitu
Pi 生态第六件：pi-voice 给 Agent 加上"耳朵"（转述，未附外链、以插件仓为准）。要点照录：①本地 STT 五模型任选——Whisper、Qwen3-ASR、Parakeet、Voxtral、SenseVoice，说完直接转文字进入 Pi；②全链路本地——本地 Pi 模型（如接 Qwen3.8）＋pi-voice 本地语音识别：从你说话、到模型处理、再到操作代码，整条链不经过任何第三方语音服务（对"代码不想上传"的人最合身）；③语音代替敲 Prompt——看到 bug 直接说："先检查刚才这个报错、只改后端、跑完测试再告诉我"，临时想法用说的比打字自然，尤其 agent 正在后台跑任务时；④transcribe_file——会议录音、采访、教程视频先本地转文字，再让 Pi 总结、提取任务或继续处理；⑤官方预留 /voice 命令（future voice mode）。
我的看法：这是 Pi 生态的第六件，也是本地自控线的第七件——与输入法那件正好凑成"最贴身两条流"：58581 管打字流、这条管语音流（打字与说话是数据离开你身边的仅有的两个口）；而"整条链不经过第三方语音服务"把隐私五证（57697 零回传、58163 知识本地、58375 收藏、58385 agent 本体、58581 输入法）焊成了闭环：耳朵也是本地的。
三条更有味道的延展：其一，那句口头指令是"行动解锁"的语音版（58609 那句"从等你干活到等你点头"）——说话比打字快，agent 在后台跑时尤其如此：嘴成了键盘的旁路；其二，transcribe_file 把"非结构化音视频"接进了 Pi 的输入面（会议、采访、教程→文字→总结/任务），与 58458"谁在说"（分离）、58152 TTS"怎么说"（朗读）拼成音频链的本地版三件：听懂、听清、开口；其三，/voice 预留＝生态的下一格已经画好（0.87 分家、观测页、前端四步、八十八字实测、原生 88、耳朵——六击里五击来自社区与官方的默契配合）。
给隐私敏感的人一句落地的：先跑通"本地 Pi＋本地 STT"这一档——链路里没有第三方的那天，你才第一次真正"对着自己的电脑说话"。
功能、模型清单与命令均为转述（未附外链），细节以插件仓库与 Pi 官方为准。
