Voice

Voice est un mode d'entrée et de sortie de première classe dans Crew. Le fournisseur par défaut — Piper — s'exécute localement, si bien que rien ne quitte votre machine. La reconnaissance vocale (STT) infonuagique via AWS Transcribe est un supplément facultatif.

• Speech-to-text (STT) — appuyez sur le bouton du micro et commencez à parler; les résultats partiels en direct s'affichent dans le champ de saisie du clavardage
• Text-to-speech (TTS) — les réponses sont énoncées à voix haute par vos haut-parleurs, diffusées mot par mot au fur et à mesure que l'agent les génère

Les deux modes sont sur demande. L'entrée vocale ne se déclenche jamais avant que vous n'appuyiez sur le micro; la sortie vocale ne joue jamais à moins que vous ne l'activiez par session ou globalement.

Maintenez enfoncé ou cliquez sur le bouton du micro dans le champ de saisie du clavardage du tableau de bord.

• Les résultats partiels en direct s'affichent dans la zone de texte pendant que vous parlez
• Un silence d'environ 1,5 s finalise automatiquement la transcription
• Cliquez de nouveau sur le bouton pour arrêter plus tôt

En arrière-plan, l'audio est diffusé en continu vers /api/stt (WebSocket), qui l'achemine vers le fournisseur choisi et renvoie les événements de transcription en temps réel.

Configurez le fournisseur STT dans ~/.kiro/crew/config.json :

{
  "voice": {
    "stt_provider": "whisper"
  }
}

Installez le supplément STT infonuagique :

pip install "kirocrew[voice]"

Joignez une note vocale comme fichier avec @filename — l'audio est transcrit automatiquement et intégré au message. Utile lorsque vous voulez laisser une note vocale dans un message existant sans déclencher le micro en direct.

Piper est un moteur TTS neuronal local et rapide. Il s'exécute entièrement sur votre machine (aucune connexion Internet requise) et diffuse l'audio mot par mot au fur et à mesure que l'agent génère sa réponse.

• Activez le TTS depuis l'en-tête de l'onglet de clavardage (icône 🔊)
• La réponse est énoncée pendant sa diffusion — vous entendez la première phrase avant même que le modèle ait terminé la dernière
• Désactivez avec le même bouton

Les fichiers de voix Piper sont téléchargés à la première utilisation, puis mis en cache localement.

{
  "voice": {
    "tts_provider": "piper",
    "tts_voice": "en_US-amy-medium",
    "tts_speed": 1.0
  }
}

Voix disponibles : n'importe quel fichier de voix Piper. Déposez un fichier .onnx dans ~/.kiro/crew/voices/ et référencez-le par son nom de fichier.

Le TTS est conçu pour s'effacer en arrière-plan :

• Les blocs de code sont ignorés (ils seraient inécoutables)
• Les blocs d'appel d'outil sont ignorés
• Les URL longues sont lues comme « URL » plutôt que caractère par caractère
• Les titres Markdown sont lus avec un léger changement de hauteur tonale

Vous pouvez remplacer chacun de ces comportements depuis le panneau des paramètres vocaux.

La sortie vocale peut être interrompue de la même façon qu'un tour de clavardage :

• Cliquez sur ⏹ Arrêter pour annuler à la fois la réponse en continu et le TTS
• La commande !stop dans Slack fait de même pour une utilisation multiplateforme

L'interruption est bidirectionnelle : arrêter la réponse arrête aussi le TTS en plein mot.

L'entrée vocale est réservée au tableau de bord pour l'instant. Les notes vocales Slack fonctionnent grâce à la fonction de note vocale de Slack. Le Kiro CLI dispose de son propre mode vocal distinct (reconnaissance vocale Whisper locale); consultez le mode Voice du CLI.

La sortie vocale fonctionne partout où le tableau de bord est ouvert — y compris sur des hôtes distants accédés par un tunnel SSH ou un tunnel mobile. Le flux audio est livré sous forme de messages WebSocket fragmentés, donc la latence dépend de votre réseau.

• Piper TTS — entièrement local; aucun audio ne quitte la machine
• Whisper STT — local lorsqu'il est installé; se rabat sur la reconnaissance vocale du navigateur (qui peut utiliser le service infonuagique d'un fournisseur du navigateur)
• AWS Transcribe — l'audio est diffusé en continu vers AWS; à activer uniquement avec le supplément voice installé et des identifiants configurés

Piper est le fournisseur par défaut, car c'est le seul qui ne quitte jamais la machine.