给 Obsidian YOLO 增加上下文感知语音输入、音频文件转写和语音朗读。
Warning
这是非官方语音版 concentrate1/obsidian-yolo@yolo-unofficial-dev ，不是上游 Lapis0x0/obsidian-yolo 的官方发布。
本构建是个人维护的实验性版本，仍处于测试状态，不建议用于重要 vault。请优先在测试 vault 或可随时恢复的 vault 中试用。
Important
这是 YOLO 的变体。同一个 vault 中只能在上游 YOLO 和本语音版之间二选一，不要同时安装或启用。两者并存可能导致插件文件、设置和更新通道互相覆盖。从上游 YOLO 切换到本语音版，应视为替换插件。
在编辑器光标处录音，把音频交给 ASR，再让 LLM 结合附近上下文打磨成可直接落笔的文本。结果先以灰字预览，按 Tab 接受，按 Esc 取消。
其它功能包括：点按 / 长按录音、接受后继续听写、VAD 自动切段、麦克风分贝计、提示词风格预设、自定义提示词，以及文档摘要 + 热词辅助纠错。打磨结果不会直接写入正文，确认前只显示为灰字草稿。
浮岛样式：
支持边说边改（x2播放）：
修改提示词后可以直接翻译（x2播放）：
从语音浮岛拖入或选择已有音频文件，转写后插入当前笔记；如果当前编辑器不可用，则写入备用 Markdown 笔记。本构建支持 HTTP 短音频、HTTP 长音频文件和 WebSocket ASR 三条路线。
文件转写会先检查文件和当前 ASR 能力，再确认直传、切段、长音频上传或 WebSocket 流式方案。HTTP 短音频支持本地切段、并发、错峰和边界重叠；长音频和 WebSocket 路线可保留提供商返回的说话人、分段和时间戳信息。
浮岛样式：
把选中文本或笔记内容交给已配置的 TTS 提供商朗读。生成的音频可在浮岛中播放、拖出，或按配置保存到 vault 内目录。
朗读支持选区 / 笔记正文、长文本分段、后续分段预生成、内存缓存、自动保存生成音频、拖出音频文件和可选输出设备。Markdown 可按“可读文本”或原始 Markdown 朗读。
浮岛样式：
模型 → 语音识别（ASR）：添加 HTTP 短音频、HTTP 长音频、WebSocket 三类 ASR 端点，并可用短录音测试配置。
模型 → 语音生成（TTS）：添加各类 TTS 端点，也可播放测试。
语音 → 语音浮岛：控制浮岛显示、模式排序和可见性。
语音 → 上下文感知语音输入 / 音频文件转写 / 朗读：分别选择当前工作流使用的 ASR 或 TTS 端点，并配置各自的高级选项。
在 Obsidian 中打开“设置 -> 第三方插件”。
-
打开本语音版发布页：https://github.com/concentrate1/obsidian-yolo/releases
-
从语音版发布下载
main.js、manifest.json和styles.css。 -
备份当前 vault 。
-
在 vault 中创建以下目录：
<vault>/.obsidian/plugins/yolo/ -
把下载的三个文件复制到该目录。
如果已安装YOLO，这三个文件可以直接覆盖。请勿在重要 vault 使用或替换成此版本。非重要仓库也请备份 plugins/yolo/ 以免触发问题。未来如合并入上游，或需再次手动替换。
语音版版本号使用 -voice 后缀，例如 1.5.12-voice.1。插件内更新检查只跟随 yolo-unofficial-dev 语音发布通道，不会和上游 YOLO 发布比较。
从这里开始：语音功能配置教程
面向维护者和开发者的技术分析见： 语音版实现说明
- 本 fork 中的
main为上游镜像分支。 yolo-unofficial-dev专门用来展示和发布这套语音版改动。- 用于上游合并 PR 的分支仍然是
context-voice-input。
YOLO（You Orchestrate, LLM Operates）是一个 Obsidian 插件，提供 AI 聊天、写作辅助、RAG 和 agent 工作流。