支持矩阵
按当前代码中的适配器和能力白名单整理。这里的“支持”表示已接入，不代表所有模型、设备和平台组合都通过了实机验收。
语音管线
| 能力 | 集成管线 Integrated | 级联管线 Cascaded |
|---|---|---|
| 处理方式 | 一个实时模型直接处理语音 | 语音识别 → 语言模型 → 语音合成 |
| 默认组合 | Qwen qwen-audio-3.0-realtime-plus |
火山 ASR → DeepSeek deepseek-flash → 火山 TTS |
| 语音打断 | 已接入 | 已接入 |
| 编码任务、搜索和记忆工具 | 根据已启用能力提供 | 根据已启用能力提供 |
| 对话中的摄像头画面 | 不支持 | 仅支持下表列出的视觉模型，默认关闭 |
| Loop Camera 独立监控 | 支持，另用监控视觉模型 | 支持，另用监控视觉模型 |
| iPhone 文字输入 | 不提供可编辑输入 | 主机支持可编辑输入时可用 |
选择集成管线时配置较少；需要更换语言模型或开启对话视觉时，使用级联管线。两者都需要相应模型服务的凭据。
集成模式也可选择 OpenAI（INTEGRATED_PROVIDER=openai，默认 gpt-realtime-2.1-mini，需 OPENAI_API_KEY）或 Gemini Live（INTEGRATED_PROVIDER=gemini，默认 gemini-3.8-live，需 GEMINI_API_KEY），详见 OpenAI 与 Gemini 服务商。StepFun（INTEGRATED_PROVIDER=stepfun，预览特性）需配置 STEPFUN_API_KEY；Qwen 模型可切换为 qwen-audio-3.1-realtime-plus（通过 QWEN_REALTIME_MODEL）。
级联语言模型
| 服务商 | 默认模型 | 对话视觉 | 凭据 |
|---|---|---|---|
| DeepSeek | deepseek-flash |
当前 Nova 适配器不开放 | DEEPSEEK_API_KEY |
| Qwen / 百炼 | qwen-plus |
默认模型不支持；可换用下列 Qwen 视觉模型 | DASHSCOPE_API_KEY |
| 火山方舟 Ark | doubao-seed-2-0-pro-260215 |
支持 | ARK_API_KEY |
| OpenAI | gpt-6-luna |
当前 Nova 适配器不开放 | OPENAI_API_KEY |
| Gemini | gemini-3.5-flash-lite |
当前 Nova 适配器不开放 | GEMINI_API_KEY |
| 自托管（OpenAI 兼容端点） | 无默认值；需设置 CASCADE_LLM_MODEL |
当前 Nova 适配器不开放 | 可选 SELF_HOSTED_LLM_API_KEY |
可覆盖模型名称，但填写一个自定义名称不会自动获得图像能力。模型本身能否看图，与 Nova 是否已为它接通图像输入，是两件事。工具调用也需所选模型兼容当前适配器的结构化工具协议。
视觉模型
| 服务商 | Nova 当前识别的模型 |
|---|---|
| Qwen / 百炼 | qwen3-vl-plus、qwen3-vl-flash、qwen-vl-max、qwen-vl-plus |
| 火山方舟 Ark | doubao-seed-2-0-pro-260215 |
对话视觉使用当前级联语言模型；Loop Camera 使用独立的监控模型连接。因此前台用纯音频模型或 DeepSeek 对话时，仍可由单独的视觉模型执行监控。未知模型不会自动降级到其他模型。
语音识别与合成
| 阶段 | 当前适配器 | 默认资源 / 音色 |
|---|---|---|
| 识别 ASR | 火山语音（默认）；Gemini（CASCADE_ASR_PROVIDER=gemini）；自托管流式 ASR（self-hosted） |
volc.seedasr.sauc.duration；Gemini gemini-3.5-flash |
| 合成 TTS | 火山语音（默认）；Gemini（CASCADE_TTS_PROVIDER=gemini）；自托管 TTS（self-hosted） |
seed-tts-2.0 / zh_female_vv_uranus_bigtts；Gemini gemini-3.8-flash-tts / Kore |
| 集成语音音色 | Qwen 实时语音 | longanqian |
自托管阶段连接你自己运行的端点（SELF_HOSTED_ASR_URL、SELF_HOSTED_LLM_BASE_URL、SELF_HOSTED_TTS_URL），只使用各自专用的可选凭据；仓库提供了流式 Whisper ASR、vLLM LLM 和 Breeze TTS 的参考启动器。云端与自托管阶段可在同一条管线中混用。详见自托管语音与预设。
使用火山语音时，ASR 优先使用 DOUBAO_ASR_API_KEY，未配置时使用 DOUBAO_BIGMODEL_API_KEY；TTS 使用后者。辅助模型与个人记忆可能仍需要百炼凭据，详见核心配置。
声纹校验
| 设置 | 行为 |
|---|---|
| 默认关闭 | 通过 DOUBAO_ASR_VOICEPRINT_ENABLED 开启 |
| 注册说话人 | DOUBAO_ASR_VOICEPRINT_ID 与 DOUBAO_ASR_VOICEPRINT_NAME 标识已注册的声纹 |
| 健康检查兜底 | 当 DOUBAO_ASR_VOICEPRINT_HEALTH_URL 不可达时，校验会自动关闭（失败即放行） |
实现依据：voiceprint。
连接器
| 连接器 | 权限 | 平台 |
|---|---|---|
| Google（Gmail、Calendar） | 只读，经 Composio | 跨平台 |
| macOS 日历 | 只读 | 仅 macOS |
| Apple Mail | 只读 | 仅 macOS |
| 飞书 Feishu | 只读 | 跨平台 |
配置与授权范围详见信息来源与连接器。