語音輸入法
OpenAI Realtime 相容 API · Komorebi
NPU
NPU
CPU
CPU
整理全文
關掉時辨識結果直接放上來；打開時 Gemma 會去贅字、套用改口、補標點
協定事件
WebSocket /v1/realtime
刪除
取消
設定
完成
辨識
SenseVoice
預設。最快，中英日韓粵
TEA
台灣口音與中英夾雜較準，每句多約 0.4 秒；講話中的即時文字由 SenseVoice 出（服務預設關閉）
整理用的模型（輸入區左下「整理全文」打開時）
本機 Gemma 4
右上角選在 NPU 或 CPU 上跑 E2B 或 LFM
OpenAI 相容 API
OpenAI、OpenRouter、vLLM、Ollama 等，填網址、模型與 key
Anthropic API
Claude，填模型與 key
網址
模型
API key（存在這台裝置，每次連線經 Komorebi 伺服器轉給這個 API）
整理範圍
整份草稿，送出前一直整理
每講完一句，連同前面的草稿一起重寫，可以跨句改口
逐句
每句只整理自己，前面定稿的不再變動，最快
降噪與偵測講話在哪裡跑
伺服器
手機只負責收音，聲音一直傳到 Komorebi 主機，降噪和偵測講話都在主機上跑
這台裝置
DeepFilterNet 3 降噪和 Silero 偵測講話在瀏覽器裡用 WebAssembly 跑，只有講話時才上傳；第一次要下載約 8MB，存在手機裡之後不用再下載
停頓多久算一句
短（0.35 秒）
標準（0.5 秒）
長（0.9 秒）
降噪
DeepFilterNet 3 先濾掉風扇、冷氣、鍵盤等背景聲再辨識；電視或旁人講話是人聲，濾不掉
API 端點
API key（Komorebi 不需要；接 OpenAI 時才填）
顯示協定事件
看每一個標準事件即時進出