voice

Voice Mode

更新时间：2026-06-15

定位

Voice 页是 audio -> audio 的输入音频处理流程，不是 mini / flash / pro / ultra 的文本传输模式。

当前 UI 先按轨道结构分类，再在分类内选择 preset：

• Single track
  • 输入是一条人声音频。
  • 输出仍是一条处理后的音频。
  • preset 负责改变输入人声本身的音色。
• Dual track
  • 输入是一条人声音频。
  • 处理时生成主轨和第二轨，再混成最终试听/导出的 mono 输出。
  • diagnostics 打开时可返回 main_voice 和 subvoice，用于调试两条轨道。

Android 的 preset 分类由 VoiceFxPresetOption.trackMode 定义；native 行为由 bag::VoiceFxPreset / bag_voice_fx_preset 定义。

当前 Preset

Single Track

• machine-voice.md
  • UI 名称：Metal
  • Native：kMachineVoice / BAG_VOICE_FX_MACHINE_VOICE
  • 处理输入人声本身，目标是机械喉咙、金属扩音器、vox grille。
• signal-cant.md
  • UI 名称：Code
  • Native：kSignalCant / BAG_VOICE_FX_SIGNAL_CANT
  • 处理输入人声本身，并按语音 onset 插入 machine-language signal overlay。
• robot-vox.md
  • UI 名称：Robot
  • Native：kRobotVox / BAG_VOICE_FX_ROBOT_VOX
  • 处理输入人声本身，目标是更通用的机器人声和短金属回声。

Single track 的三者目标边界：

• Metal：连续、厚实、金属喉管和箱体感更强的机械人声。
• Code：干、窄、僵硬，并按 onset 插入短促 protocol overlay 的机械人声。
• Robot：平、方、单调、合成器式的刻板机器人变声器，不插入协议事件。

Dual Track

• binharic.md
  • UI 名称：Binharic
  • Native：kBinharic / BAG_VOICE_FX_BINHARIC
  • 主轨是机械化人声；第二轨是由人声包络阈值触发的 flash-style 副轨。
  • 主轨包含较低 static 层和 deterministic flutter，用来模拟机械声门 / 振膜不稳定。
• Voice Trigger
  • Native：kVoiceTrigger / BAG_VOICE_FX_VOICE_TRIGGER
  • 主轨保留原始输入人声；第二轨是由人声包络阈值触发的 flash-style 副轨。
• Raw Constant
  • Native：kRawConstant / BAG_VOICE_FX_RAW_CONSTANT
  • 主轨保留原始输入人声；第二轨是全程连续播放的 flash-style 副轨。

共享实现边界

• 输入/输出 PCM 仍是 mono PCM16。
• final_mix 是产品使用的最终音频。
• main_voice / subvoice / signal_overlay 是 diagnostics 轨道；关闭 diagnostics 时通常不会返回。
• dual track 的第二轨不走 text transport payload 编码入口；它复用 flash-style signal/voicing 的音色材料。
• Standard / Litany / Hostility / Collapse / Zeal / Void 是第二轨 style，影响 flash-style 副轨的音色和强度。

设计原则

• 先判断 preset 属于 Single track 还是 Dual track，再讨论音色。
• Single track 的重点是“输入人声被转换成什么声音”。
• Dual track 的重点是“主轨是什么、第二轨如何出现、两轨如何混合”。
• 不要把 Voice Trigger 描述成变声器；它不处理主轨人声，只控制第二轨随人声开合。
• 不要把 Raw Constant 描述成阈值触发；它的第二轨是连续背景轨。