Whizi语音模式：AI实时语音对话怎么用

简短回答

语音模式是一种实时语音对话：你说话，模型用语音回答，你还可以随时打断它。每个付费方案都包含语音分钟数：Starter每月10分钟，Pro 80分钟，Powerhouse 500分钟。

每次会话都会生成文字记录，保存在你的聊天记录中，因此语音对话之后也能像文字对话一样重新阅读。语音分钟数按独立的计量方式计算，不消耗额度。

开始并控制一次会话

在聊天界面打开语音模式，会话会自动连接并开始聆听。没有按键说话这一步：你只需直接开口。回复统一使用一个预设语音，一个名为Sulafat的温暖女声，语音功能基于Gemini Live API运行：Whizi会生成一个短期会话令牌，你的浏览器直接将音频流传输给Google，因此没有任何音频经过Whizi服务器。

会话中的控制选项刻意做得很简单。你可以静音麦克风，这样它就不会听到你说话，但不会结束会话，你也可以直接结束整个会话。状态指示会显示Whizi当前是在聆听还是在说话，这一点比听起来更重要，因为知道自己是否被听到，是让语音界面变得可以忍受的关键所在。

由于对话是实时的而非轮流进行的，你可以在模型还在说话时插话，就像和真人交谈一样。没有这个功能，一段又长又错的回答就得等它说完才能纠正方向。

文字记录可以在会话中的任何时刻打开，包括会话进行到一半时。当某件事需要精确核对时，这就是补救办法：直接看看实际记录了什么，而不是凭猜测。对姓名、数字和专业术语的语音识别是任何语音界面最薄弱的环节，所以在会话中途查看一次文字记录，是在误听影响下一句回答之前发现问题的最快方法。

分钟数是如何计算的

分钟数按会话时长计算，额度按账户计算，并随你的账单周期重置。单次会话最长运行15分钟：开始通话时会从你的额度中预留时间，并告知会话最长可运行多久，所以当你剩余的分钟数低于这个时长时，会话会相应缩短。

额度取决于所选方案：Starter每月10分钟，Pro 80分钟，Powerhouse 500分钟。免费账户没有语音分钟数。Powerhouse换算下来每月略多于8小时，或者说每个工作日大约20分钟。语音对话本身通常都很短，这种形式更适合五分钟左右的交流，而不是长达一小时的会话，所以更高档位的额度很少会成为实际限制。

静音麦克风不会暂停计时，结束会话才会。如果你要离开一下，应该结束会话而不是只静音。

语音分钟数是独立的额度，不占用其他任何资源。语音分钟数、额度和图像生成是彼此独立、互不共享的计量方式，所以一段很长的语音对话不会减少你当月能发送的Claude或GPT消息数量。这也意味着，一个额度已经用完的账户仍然拥有语音分钟数，而一个语音额度已经用光的账户仍然可以打字。

会话留下的文字记录只是一段普通的聊天记录，保留它不会产生任何额外费用，会和你打字输入的所有内容一起留在你的聊天记录里。

语音真正更擅长的地方

语音并不是打字的加速版，把它当成加速打字来用只会让人失望。有三种情况它确实更胜一筹：

边说边想。 谈论一个你还没理清思路的问题时，说出来比写下来容易得多，因为你不必在知道一句话要怎么结尾之前就先把它定下来。事后的文字记录通常比你打字写出来的描述更能说清楚问题所在。

双手忙碌或视线离不开别处。 做饭、开车、走路，或是处理某件需要动手的事情。这是最明显的一种，也确实真实存在。

练习一段对话。 面试回答、给客户的一条棘手消息、一段推介说辞。大声说出来并听到回应，能暴露那些写在纸上看着还行、说出来却别扭的措辞。

它不擅长的地方：任何涉及代码、精确数字、难拼写的名字，或是你会想复制的长篇结构化内容。这些还是用打字。

你在做什么	说还是打字	原因
思考一个你还没理清思路的问题	说	你不必在知道一句话要怎么结尾之前就先把它定下来
做饭、开车、走路，或处理某件需要动手的事情	说	双手忙碌，视线也顾不上，事后文字记录会留在你的聊天记录里
练习面试回答、一条棘手消息或一段推介说辞	说	大声说出来能暴露那些写在纸上看着还行的别扭措辞
代码、精确数字、难拼写的名字、你会想复制的长篇内容	打字	语音识别在姓名、数字和专业术语上最容易出错