Zion不支持ASR转写结果自动触发TTS播报,需手动粘贴或程序化调用其/tts接口;它无文本监听能力,仅接受主动传入的UTF-8文本并返回音频流。
☞☞☞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☜☜☜

你想让语音转写后的文本自动被模型读出来,即构建“ASR → TTS”闭环链路,函子Zion目前【不支持直接接入语音转写结果触发TTS播报】。它没有内置的文本监听机制,也不能自动捕获外部ASR系统输出的文本流并启动朗读。
确认Zion当前能力边界
函子Zion是一款面向终端侧轻量部署的语音合成(TTS)引擎,专注高质量、低延迟的文本到语音生成。它接受标准UTF-8文本输入,通过HTTP API或本地SDK调用,返回WAV/MP3音频流。但它【不包含语音识别(ASR)模块,也不提供文本输入源的自动感知功能】——换言之,它不会自己去“看”你刚生成的会议纪要文件、监听剪贴板、或轮询某个API端点获取新文本。
必须由你主动把转写完成的文本作为请求体传给Zion的TTS接口。
可行的对接路径
方法一:手动粘贴触发(适合单次调试)
将ASR系统导出的TXT或JSON中的text字段内容全选复制→打开Zion提供的Web Demo或本地测试页→粘贴进输入框→点击“合成”。
方法二:程序化串联(推荐用于生产)
在你的ASR调用逻辑后追加一步:拿到response["text"] → 构造HTTP POST请求 → body为{"text":"刚才转写的完整内容","voice":"zh-CN-Xiaoyi"} → 发往Zion的/tts endpoint → 保存返回的音频流。
注意:若ASR输出含时间戳或说话人标签(如"[张三] 今天项目进度如何?"),Zion默认会逐字朗读括号和角色名。如需过滤,得在送入Zion前用正则清洗,例如re.sub(r'\[.*?\]', '', text)。
替代方案:用原生支持ASR+TTS联动的平台
如果你需要“录音→自动转写→自动朗读”全自动流转,可考虑CosyVoice Studio的CosyAgent工作流,它原生支持语音输入触发ASR,再将结果自动注入TTS节点;或使用OpenClaw的pipeline接口,用单个POST同时指定asr_model和tts_model参数,底层自动串起两条链路。











