pi-ming-voice

Pi 语音输入。录音和回填使用 pi-voice-stt，识别端点固定为蚂蚁百灵 Ming-3.0-asr-tiny。

安装

pi install npm:pi-ming-voice

本机开发目录也可以（Pi 会把本地目录当扩展包加载，改代码即时生效）：

pi install <你的仓库路径>

需要 Node ≥ 22.19。录音用的 FFmpeg 优先用系统里已装的那个；系统没有时插件会用自己的随包二进制，不需要另外下载（只下载你当前平台的那一份，约 25 MB）。令牌仍然需要你自己去百灵控制台创建。

请通过 pi install 安装。Pi 装扩展包时会跳过 peerDependencies，@earendil-works/* 由 Pi 自己在运行时提供；用普通 npm i 安装会得到另一份副本的 Pi 运行时包。

填写令牌

在 Pi 里直接填，不用切到别的终端：

/ming key

它会打开百灵控制台，并弹一个输入框，把刚创建的令牌粘进去就行。保存后立即生效，不用重启 Pi。

| 命令 | 作用 | | --- | --- | | /ming key | 打开百灵控制台，在输入框里粘贴令牌并保存 | | /ming status | 看端点、设备、超时和令牌是否可用 | | /ming open | 只打开百灵控制台 |

也可以在终端用 CLI（等价）：

npx ming-voice login

这会打开 百灵 API 控制台。登录后点「创建令牌」，再把令牌贴回终端。官方没有自动回传令牌的接口。充值在 支付宝小程序云计费中心。

已经有令牌时运行 npx ming-voice key（只贴令牌，不开浏览器）或在 Pi 里跑 /ming key。输入不回显，只写到本机 %USERPROFILE%\.pi\agent\antling-api-key，不进仓库。ANTLING_API_KEY 环境变量仍然优先。

npx ming-voice status 是只读的：打印端点、设备、超时和令牌是否可解析，不会改配置。

使用

重启 Pi 后：

| 操作 | 作用 | | --- | --- | | Ctrl+R | 开始录音；再按一次停止、识别，并把文字插入输入框 | | 录音中按 Enter | 识别后直接发送 | | Esc | 放弃本轮（录音中丢弃录音，转写中中止请求） | | Alt+R | 上游自带的 profile 切换菜单，本插件只有一个 profile | | /ming key | 在 Pi 里填写百灵令牌 | | /ming status | 查看端点、设备、超时和令牌状态 | | /stt doctor | 检查配置、令牌和 FFmpeg；不测网络，也不测麦克风是否真的能录到声音 |

上游的界面文案目前只有英文和法文，插件里的提示是英文。

Windows 上如果设备名仍是占位的 audio=Microphone，加载时会用 FFmpeg 列出 DirectShow 设备，并优先选择名字里带「麦克风」的输入。手改过的 capture.input 不会被覆盖，也不会重复检测设备。单段录音目标 28 秒，避免超过官方 30 秒限制；这是 JS 定时停止，不是 FFmpeg 的硬时长参数，停止是异步的，实际时长可能略超。

Ctrl+R 与 Pi 内置的 app.session.rename（重命名会话）同键，在会话树等界面里按它会重命名会话，不是录音。

音频会被发到哪里

识别请求发往 https://api.ant-ling.com/v1/audio/transcriptions，模型 Ming-3.0-asr-tiny，不传 language。

除了录音，pi-voice-stt 还注册了一个 transcribe_audio 工具和 /stt file <路径> 命令。这两个入口都会读取本地音频文件并上传到同一个第三方端点，Agent 可以主动调用它们。装了这个插件就等于允许把本地音频传出本机。

更细的说明见 docs/USAGE.md。

验证状态

2026-10-21 在 Windows 11、Pi 1.3.0、FFmpeg 8.1.1 的交互式 Pi 里实测通过：Ctrl+R 录音 → 百灵识别 → 文字插入输入框，链路正常。识别请求已确认为发往 https://api.ant-ling.com/v1/audio/transcriptions，模型 Ming-3.0-asr-tiny。

另外在一台没有 FFmpeg 的模拟环境里验证过：装包后自动改用随包二进制，并能枚举麦克风、录到真实声音。

没有单独测量端到端耗时或长录音上限。自动化测试覆盖配置合并、令牌读写与解析、坏配置恢复、设备检测短路和 FFmpeg 选择。