Configuration
人物照片
📸 点击上传照片
![]()
用于 FlashHead Lite 口型驱动
口型质量
推理步数 6
极速(2)精细(12)
嘴部幅度 5.0
保守夸张
色彩矫正 0.8
牙齿锐化 0.6
TTS 语音合成
声音
本地合成 · 无需配置
说话人
API Key
Access Key
Secret Key
App ID
音色
服务地址
本地 ChatTTS，启动服务后自动连接
Base URL
API Key
ASR 语音识别
识别语言
需要 Chrome 浏览器麦克风权限。HTTP 本地访问 localhost 可用，IP 地址需要 HTTPS。
唤醒词
用 ; 分隔，识别到任意一个自动发送。
不填则任何语音都触发发送。
不填则任何语音都触发发送。
对话模型
提供商
模型名称
Base URL
API Key
角色设定
📷 摄像头视觉模式：摄像头图像 + 语音输入 → VLM 回复。完全独立于 LLM。
VL 提供商
VL 模型名称
Base URL
API Key
角色设定
⚡ 语音→语音，绕过 LLM+TTS，延迟最低。麦克风按钮直接录音发送，无需 ASR。
E2E 提供商
模型
回复音色
API Key（通义千问 sk-xxx）
APP ID （豆包语音控制台→服务接口认证信息，纯数字）
Access Token （同一页面，UUID格式）
回复音色
角色设定（系统词）