实时通话
全双工，默认 grok-voice-latest。嘈杂时可以改成按住说话。
让语音技术活起来
给创作者、客服和开发者使用。从实时通话，到把声音转成字、再读回去，都在这一页完成。
一条语音链覆盖这些场景
查看能力- 实时通话
- 字幕记录
- 文件转写
- 摘要朗读
- 对话导出
- 六种音色
- 中文
- English
- 日本語
- 全双工
- 按住说话
- MP3
- SRT
- TXT
- JSON
- 语音接口
- 工作台
- 同一把 Key
两套用法建在同一条语音链上
NorSpeak 工作室
把通话、字幕和导出留在同一页。
NorSpeak 听写
把字读成声音，也把声音收成字。
NorSpeak 工作室首页
今天想留下什么？
通话字幕朗读导出
发布说明
访谈记录
课程旁白
NorSpeak 听写示意
这场对话还在同一页
你 · 把今天的发布收成三句。
NorSpeak · 实时在左边，字幕在右边。
开口留下实时通话，旁边写出字幕，再把摘要读回去。中文、英文和日文，用同一把 NorSpeak API Key。
把今天的发布收成三句。实时通话留在左边，字幕留在右边，摘要可以再读一遍。
通话和字幕
实时开口，记录留在同一页。
把今天的发布收成三句
播放请求本站 POST /api/tts，由 Worker 转发给 NorSpeak。
字幕导出
TXT、SRT、JSON。摘要在浏览器里抽出，再交给朗读。
六种音色
ara、eve、leo、rex、sal、luna
中英日
language 传 zh、en、ja，或 auto。
或直接接这三条接口
获取 API Key文本转语音
需要 text 和 language。音色例如 ara。页面上的播放走的就是这条。
语音转文字
POST /api/stt，默认 grok-voice-transcribe-2.0。文件放在表单里，由 Worker 原样转发。
实时通话
WebSocket /api/realtime。第一帧是 workbench.hello，Key 不写进上游地址。
await fetch("/api/tts", {
method: "POST",
headers: { "content-type": "application/json" },
body: JSON.stringify({
text: "让语音技术活起来。",
language: "zh",
voice_id: "ara",
}),
});现在接上的语音栈
01 · 实时
grok-voice-latest
始终指向当前旗舰，现在是 3.0
02 · 实时
grok-voice-3.0
旗舰语音模型
03 · 实时
grok-voice-2.0
旧名称，上游会映射到 3.0
04 · 转写
grok-voice-transcribe-2.0
文件上传和独立听写的默认模型。
05 · 朗读
六种内置音色
ara 温暖、友好 · eve 轻快英音 · leo 沉稳英音 · rex 清晰、自信 · sal 平滑、均衡 · luna 耐心、柔和
安全写在转发层
密钥不进仓库
MOMOAI_API_KEY 只放在 Worker Secret，或工作台里的浏览器存储。
同源转发
浏览器打到 /api/tts、/api/stt、/api/realtime，再由 Worker 转发给 NorSpeak。
额度可以加门
公开部署可以再设 WORKBENCH_ACCESS_TOKEN，挡住服务器上的密钥。