WorkBuddy语音模型不支持自动语种切换，但可通过手动指定源语言、识别+翻译链路、系统级语言配置三类机制实现多语言语音转写与输出。
☞☞☞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☜☜☜
WorkBuddy语音模型本身不直接支持多语言语音识别（ASR）或语音合成（TTS）的“自动语种切换”，但它可通过三类配合机制实现高质量的多语言语音转写与输出：一是上传多语种录音后手动指定源语言；二是结合翻译模块完成语音→文字→多语译文→语音合成的链路；三是利用系统级语言配置统一控制最终输出语种。关键不在模型“听懂多种语言”，而在于如何分步引导它准确识别、翻译并生成目标语言内容。
上传录音时手动指定源语言
WorkBuddy对语音文件采用上下文感知识别，但默认以系统语言或历史偏好为起点。若录音含中文、英文、日文等不同语种，必须主动声明，否则识别准确率明显下降。
- 点击「新建任务」→ 选择「语音转文字」模块 → 拖入MP3/WAV/M4A格式音频文件
- 文件解析完成后，在右侧「语音设置」面板中，找到「原始语音语言」下拉菜单
- 从中选择实际语种（如“中文(简体)”“English (US)”“日本語”），不选“自动检测”——该选项在混合口音或专业术语场景下易误判
- 勾选「启用说话人分离」（适用于多人对话录音），系统将按人声特征切分段落并标注speaker标签
语音转写后接多语言翻译链路
单次语音识别只产出一种语言的文字稿，如需生成其他语言版本，需走“识别+翻译”两步流程，这是最稳定、可控性最强的方式。
WorkBuddy Visio — Visio 兼容架构图生成器
下载
使用 draw.io（.drawio 格式）和 SVG 生成兼容 Microsoft Visio 的架构图。当用户需要以下任一场景时触发： - 用于 Visio 或技术文档的架构/系统/网络图 - 带连接标注的分层控制系统图 - 将 draw.io XML 转换为稳定、可嵌入的 SVG - 修复 Visio 或 draw.io 无法打开的故障排查类图表 - 任何需专业级布局且文本可编辑的图表
- 语音转写完成并确认文字稿无误后，选中全部文本，右键选择「用WorkBuddy翻译」
- 在弹出窗口中明确设定：原文语言（与上一步识别结果一致）、目标语言（如“Español”“Français”）、用途（如“会议纪要”“技术文档”）
- 可进一步添加指令提升质量，例如：“译文需保留原时间戳格式[00:12:35]，人名和机构名不翻译，使用欧盟官方术语库”
- 点击翻译后，系统调用对应语言模板+术语校验模块，输出带格式的双语对照稿（支持导出为DOCX/PDF）
控制最终语音合成输出语种
WorkBuddy当前不内置TTS多语发音引擎，但可通过“文字→语音”外部调用或本地配置，让译文以目标语言语音播放或导出。
- 若需听译文朗读：复制已翻译好的目标语言文本 → 新建对话 → 输入指令：“请用标准英式英语朗读以下内容，语速适中，重点词略作停顿：[粘贴文本]” → WorkBuddy会调用系统级TTS（macOS为VoiceOver，Windows为Windows Speech Platform）
- 若需批量导出语音文件：在高级设置中开启「语音导出模式」，然后向/v2/audio/speech接口发送请求，JSON体中包含text、language（如"zh-CN"）、voice（如"xiaoqiu"女声）字段
- 注意：language参数必须与文本实际语种严格一致，否则语音引擎会报错或静默失败
进阶技巧：混合语种录音的处理策略
真实会议/访谈常出现中英夹杂、代码名词、缩写混用等情况，单纯靠ASR识别容易错乱。推荐用“分段标注+术语预置”组合法：
- 上传录音后，先用「语音转文字」得到初稿，再人工划出中/英/专业术语密集段落
- 在对应段落前加注说明，例如：“【以下为英文技术讨论，含Kubernetes、CRD术语，请直译不解释】”
- 进入「设置→术语管理」，上传CSV术语表（例：第一列“Pod”，第二列“容器组”；第一列“API Gateway”，第二列“API网关”）
- 再次运行全文重译，系统会在识别和翻译阶段优先匹配术语表，显著减少歧义
