आवाज input र playback

वाचन कन्फिगर गर्नुहोस्

सेटिङहरू → वाचन (Speech) खोल्नुहोस्। वाचन (Speech) card ले कुराकानीको model provider बाट स्वतन्त्र OpenAI-compatible server-side adapter प्रयोग गर्छ।
API कुञ्जी, ऐच्छिक आधार URL, ट्रान्सक्रिप्शन मोडेल, वाचन मोडेल (TTS) र पूर्वनिर्धारित आवाज भर्नुहोस्।
input र output लाई फरक सेवा चाहिँदा इनपुट र आउटपुटका लागि छुट्टाछुट्टै प्रदायक सक्षम गरी input/output key, base URL र model field भर्नुहोस्।
प्लेब्याक मोड र आउटपुट ढाँचा, अनि बचत गर्नुहोस् (नबचाइएका परिवर्तन हुँदा उपलब्ध) रोज्नुहोस्। परीक्षणअघि परीक्षण बटनछेउको अवस्था, कन्फिगर गरियो, आंशिक रूपमा कन्फिगर वा API कुञ्जी हराइरहेको छ, जाँच्नुहोस्; save असफल भए बचत गर्न असफल भयो देखिन्छ।

speech सेटिङ र key जोडिएको CodeNomad server configuration का हुन्, चयनित परियोजना वा OpenCode provider connection का होइनन्। साझा गर्ने अन्य क्लाइन्टले पनि प्रयोग गर्छन्। सुरक्षित key लुकाइन्छ: खाली key field ले सुरक्षित मान राख्छ; बचत गरिएको कुञ्जी सफा गर्नुहोस् ले बचत गर्दा हटाउने तय गर्छ। आफ्नै endpoint र key दुवै नभएको दिशाले साझा सेटिङ प्रयोग गर्न सक्छ; छुट्टै endpoint लाई आफ्नै key र छुट्टै key लाई आफ्नै endpoint चाहिन्छ। endpoint बदल्दा अभिप्रेत key स्पष्ट दिनुहोस् र सुरक्षित कन्फिगरेसन जाँच्नुहोस्; अर्को host मा पठाउनुको सट्टा endpoint परिवर्तनले त्यस slot को सुरक्षित key हटाउँछ।

backend ले साझा default का लागि OPENAI_API_KEY र OPENAI_BASE_URL पनि प्रयोग गर्न सक्छ। सुरक्षित key खाली गर्दा environment-provided credential हट्दैन; fallback हटाउन चाहनुहुन्छ भने backend वातावरण बदलेर पुनः सुरु गर्नुहोस्।

सेटिङ	अर्थ / default
Base URL	OpenAI-compatible API root, default `https://api.openai.com/v1`। input ले `audio/transcriptions`; output ले `audio/speech` प्रयोग गर्छ।
Transcription model / Input model	STT endpoint ले स्वीकार्ने model; default `gpt-4o-mini-transcribe`।
Speech model / Output model	TTS endpoint ले स्वीकार्ने model; default `gpt-4o-mini-tts`।
Default voice	प्रदायक voice identifier; default `alloy`। OS voice picker होइन।
Streaming	पूर्वनिर्धारित। provider र browser ले चयनित format समर्थन गर्दा audio आउनासाथ playback सुरु हुन्छ।
Buffered	बजाउनुअघि पूरा audio response पर्खन्छ।
Output format	`mp3`, `wav`, `opus` वा `aac`; default `mp3`। अनुकूलता browser/provider अनुसार फरक हुन्छ।

यी कन्फिगर सेवामा अनुरोध हुन्, हरेक compatible endpoint ले हरेक model, voice वा format समर्थन गर्छ भन्ने प्रत्याभूति होइन। save असफल भए त्रुटि देखिन्छ; अर्को परिवर्तनअघि configuration जाँच्नुहोस्।

input र output परीक्षण

पहिले endpoint, key, model र voice परिवर्तन बचत गर्नुहोस्।
इनपुट परीक्षण रोजेर microphone अनुमति दिनुहोस्, बोल्नुहोस्, अनि रेकर्डिङ रोक्नुहोस्। फर्किएको transcription जाँच्नुहोस्।
नमूना सुन्न प्लेब्याक परीक्षण गर्नुहोस् रोज्नुहोस्; नमूना रोक्नुहोस् ले अन्त्य गर्छ।

playback परीक्षणले चयनित मोड/format तुरुन्त प्रयोग गर्छ, तर endpoint, key, model र voice सुरक्षित सेटिङबाट आउँछन्। input परीक्षणले कुराकानी prompt पठाउँदैन। परीक्षणले पनि कन्फिगर speech provider लाई audio/text पठाउँछन् र शुल्क लाग्न सक्छ।

streaming असफल भए बफर्ड चयन गरी mp3 प्रयास गर्नुहोस्, बचत र पुनःपरीक्षण गर्नुहोस्। “Configured” ले सेटिङ पुष्टि गर्छ, सफल provider authentication वा codec playback होइन। पुनःप्रयासअघि server host बाट endpoint उपलब्धता, provider model/voice नाम र quota जाँच्नुहोस्।

बोलेर prompt लेख्नुहोस्

वाचन (Speech) मा प्रम्प्ट ध्वनि इनपुट सक्षम नै राख्नुहोस् (पूर्वनिर्धारित रूपमा यो चालू हुन्छ)।
कम्पोजरमा थप कार्यहरू खोली ध्वनि इनपुट सुरु गर्नुहोस् रोज्नुहोस् र यस उपकरणमा microphone पहुँच अनुमति दिनुहोस्।
बोलिसकेपछि उही मेनुमा रेकर्डिङ रोक्नुहोस् र ट्रान्सक्राइब गर्नुहोस् रोज्नुहोस्; प्रक्रिया हुँदै गर्दा अडियो ट्रान्सक्राइब गर्दै देखिन्छ।
सामान्य रूपमा prompt पठाउनुअघि घुसाइएको पाठ समीक्षा र सम्पादन गर्नुहोस्।

transcription ले हालको selection मा पाठ राख्छ; स्वतः OpenCode लाई बुझाउँदैन। STT कन्फिगर र क्लाइन्टले recording समर्थन गर्दा मात्र मेनु प्रविष्टि देखिन्छ। CodeNomad remote server मा चले पनि recording क्लाइन्ट उपकरणकै microphone बाट हुन्छ।

प्रविष्टि नभए toggle र STT configuration जाँच्नुहोस्। permission त्रुटिमा browser/OS दुवै privacy सेटिङमा microphone अनुमति दिनुहोस्। remote browser recording लाई सुरक्षित सन्दर्भ, सामान्यतः trusted HTTPS, चाहिन्छ; मोबाइल पहुँच र प्रत्यक्ष रिमोट पहुँच हेर्नुहोस्। कम्पोजर छोड्दा वा बन्द गर्दा recording lifecycle सकिन्छ; नपठाएको audio फर्कन्छ भन्ने भर नपर्नुहोस्। नतिजा समीक्षा गर्ने ठाउँ टाइप गरिएको मस्यौदा नै हो।

सन्देश वाचन

TTS उपलब्ध हुँदा सन्देशमा सन्देश वाचन गर्नुहोस्, वा tool call मा उही कार्य प्रयोग गर्नुहोस्।
अन्त्य गर्न उही नियन्त्रणमा वाचन रोक्नुहोस् प्रयोग गर्नुहोस्; अर्को वाचन सुरु गर्दा हालको रोकिन्छ।
पछिका अनुरोधका लागि वाचन (Speech) मा सुरक्षित voice, model, mode वा format बदल्नुहोस्।

playback ले CodeNomad को text projection प्रयोग गर्छ, screenshot को वर्णन होइन: binary/image byte र permission receipt speech सामग्री होइनन्। prompt चलाउँदैन वा चयनित OpenCode model बदल्दैन। format चयनयोग्य भए पनि browser audio समर्थन र provider response ले playback रोक्न सक्छन्।

स्वचालित conversation speech का लागि कम्पोजरको थप कार्यहरू मेनुमा कुराकानी मोड सक्षम गर्नुहोस् प्रयोग गर्नुहोस्; यो त्यही परियोजना ट्याबमा लागू हुन्छ र reload पछि रहँदैन। यो चालू हुँदा, तपाईंले पठाउने हरेक prompt सँग CodeNomad ले agent लाई जवाफ छोटो fenced spoken सारांशबाट सुरु गर्न भन्छ। सक्रिय मुख्य सत्रमा त्यो पूरा भएको block मात्र पढिन्छ; हरेक reply वा subagent को स्वचालित वाचन होइन। कुराकानी मोड अक्षम गर्नुहोस् ले लाम रोक्छ र सारांश माग्न छोड्छ। microphone input सुरु गर्दा पनि सक्रिय conversation speech रोकिन्छ। toggle voice input सँग वा conversation mode पहिले नै enabled हुँदा देखिन्छ र सक्षम गर्न काम गर्ने TTS चाहिन्छ।

डेटा प्रवाह र गोपनीयता

microphone audio क्लाइन्टबाट CodeNomad backend, त्यसपछि कन्फिगर STT endpoint मा जान्छ। synthesis का लागि छानिएको पाठ backend हुँदै TTS endpoint मा जान्छ; फर्किएको audio क्लाइन्टमा बज्छ। API key server-side रहन्छन् र settings form मा सुरक्षित मानका रूपमा फर्काइँदैनन्।

बोलिएको वा पढिएको सामग्रीका लागि विश्वास गर्ने endpoint प्रयोग गर्नुहोस्। यो offline transcription प्रत्याभूति होइन, र OpenCode credential ले speech स्वतः अधिकृत गर्दैनन्। सकिएपछि recording/playback रोक्नुहोस्; key वा endpoint परिवर्तनले भावी अनुरोध प्रभावित गर्छ, provider लाई पठाइसकेको डेटा होइन। अरू प्रयोगकर्तालाई server दिनुअघि सुरक्षा हेर्नुहोस्।