实时语音与 Live 协作模式
在 Piwin 的输入区（Composer）右侧，有一个精致的小麦克风图标。这就是 Piwin 内置的**全双工实时语音（Live Realtime Voice）**功能。
它不是传统的单向 ASR 语音输入法，而是让智能体具备像真人结对编程一样“边聊天、边下发需求、边实时写代码”的次世代协作体验。
1. 为什么做实时语音？它与传统语音输入的区别
传统的 ASR（如讯飞、系统听写）仅仅把你说的话转成文字填进输入框，依然需要手动点击发送等待模型回复。
而在真实的软件工程场景中：
- 开发者经常需要一边盯着代码或调试页面，一边用口语与助手探讨方案；
- 助手需要在后台默默推进任务（改代码、跑单测），同时在语音中简短汇报关键进展（Key Takeaway）；
- 全双工打断：你可以随时插话纠正思路，而无需重开会话。
2. 架构设计：说话面与工作面分离 (Live Spoken Contract)
Piwin 在底层设计了严格的 说话面契约（Live Spoken Contract）：
text
┌──────────────────────┐ 交接任务 (Handover) ┌──────────────────────┐
│ 说话面 (实时语音流) │ ─────────────────────────────> │ 工作面 (执行智能体) │
│ • 自然闲聊与方案探讨 │ <───────────────────────────── │ • 文件读写与工程修改 │
│ • 提炼简报与口误纠正 │ 返回结果结论 │ • 运行单测与验证 │
└──────────────────────┘ └──────────────────────┘- 说话面（Speaking Face）：负责自然的实时对话交互。寒暄、语气词、方案探讨留在通话流中；只有当用户明确要求修改文件、调用工具或跑测试时，才提炼出任务简报交接给工作面；
- 工作面（Chat Agent）：在会话中具体执行代码修改与测试验证；任务完成后，说话面以极简的一句话告知结论，绝不进行冗长的新闻播报。
3. 支持的语音模型与接入渠道
打开客户端 「设置」➔「实时语音 (Live Voice)」：
渠道 1：OpenAI Codex OAuth 登录
如果你在 OAuth 登录 中绑定了 OpenAI Codex 账号，系统会自动使用 Codex 套餐中的官方 Live 实时语音模型。
渠道 2：OpenAI Realtime 协议兼容端点
支持填入任何实现了标准 OpenAI WebSocket Realtime 协议的 Base URL 与 API Key。
渠道 3：xgrok / Grok2API 等社区转换通道
如果你有一些免费的 xAI Grok 账号，支持通过社区开源的 xgrok 或 Grok2API（利用 Grok Web 端逆向通道桥接转标准 OpenAI Realtime WebSocket 协议，如 wss://.../v1/realtime，语音模型填入 grok-voice-think-fast）零成本接入实时全双工语音流。
4. 常见问题
1. 为什么说话时没有扣除常规 Chat 模型的额度？
实时语音走专属的 WebRTC / WebSocket 流式音频通道，采用按音频时间计费或绑定特定账号的 Live 协议，与普通文本模型的计费分离。
2. 通话中可以打断吗？
完全支持。由于采用全双工流式传输，在助手发声的同时你随时开口，助手会自动静音并倾听你最新的指示。