必须勾选“自动开始语音识别”才能实现全程语音交互：语音触发→实时识别→语义理解→自动响应，否则需手动点麦克风，违背无键盘原则。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要让用户全程不用碰键盘，只靠说话就能完成对话任务——比如老人用语音查天气、残障人士语音下单、车载场景语音控制设备，这些都依赖扣子中真正可用的语音输入节点配置。光开启开关不够，必须打通“语音触发→实时识别→语义理解→自动响应”整条链路，否则用户说完还得手动点发送，就不是无键盘交互。
启用语音输入并强制自动启动
进入扣子控制台→点击「新建Bot」→选择「空白模板」→在「基础设置」中填写Bot名称与描述；下滑至「能力设置」区域，开启「语音输入」开关；【必须勾选“自动开始语音识别”】。未勾选时，用户首次需手动点击麦克风图标才能唤醒识别，违背“完全无键盘”原则。
保存配置后，该Bot在网页端、App端及嵌入式H5页面中，只要用户进入对话界面，语音识别即刻启动，无需任何点击。
配置ASR插件并限定语种范围
方法一：使用飞书多语种ASR插件（推荐）
在「插件与API」页→点击「添加插件」→搜索“飞书语音识别(MultiLang)”→启用并授权→进入其配置页→仅勾选实际需要的语种，例如仅中文(zh-CN)和英文(en-US)；【禁用无关语种可降低首字识别延迟300ms以上，且避免误触发其他语言模型】。
方法二：使用Azure语音识别插件
添加「Azure语音识别」插件→配置语音服务区域与密钥→在“语言模型”下拉菜单中，手动指定单一语言（如zh-CN），不可留空或选“自动检测”；自动检测模式会引入额外判断耗时，导致语音流中断0.8秒以上，用户感知为“卡顿”。
构建免触达工作流响应链
第一步：在Bot「工作流」画布中，拖入「语音识别」节点，将其输出直接连接至「大模型」节点输入端；
第二步：双击「大模型」节点，在提示词末尾追加固定指令：“你收到的是语音转文字结果，请直接回答，不复述问题，不加解释性前缀，不输出‘根据您的问题’等冗余句式”；
第三步：在「大模型」节点之后，接一个「语音合成」节点，配置其TTS音色为中文女声、语速1.1、启用流式输出；
第四步：将「语音合成」节点的音频输出链接，通过「发送消息」节点以富媒体卡片形式推送给用户——卡片内仅含播放按钮，无文字气泡、无输入框、无“发送”按钮。
此时用户张嘴说话→语音实时转文本→大模型即时生成答案→答案立刻转为语音流→自动弹出可播放卡片。整个过程无焦点切换、无键盘调起、无手动确认动作。
