AI 联合主持指南

功能说明

联合主持有两种工作流程：持续对话的语音伙伴，位于 cohost.html，以及将已批准文本发送到以下目标的手动停靠面板操作： cohost-overlay.html.

设置停靠面板右键联合主持功能

1. 使用你的会话打开 Streaming Chat 停靠面板： dock.html?session=YOUR_SESSION_ID.
2. 将 AI 舞台叠加层添加到 OBS： cohost-overlay.html?session=YOUR_SESSION_ID。添加 &tts ，仅用于文本回复流程。
3. 要使用 AI 回答，请在弹出菜单中配置 LLM 服务。快速测试时可选择 SSN 托管试用 LLM，它使用 llm.socialstream.ninja.
4. 启用 聊天机器人和 AI 服务 > 聊天机器人－私人界面 > 启用私人聊天机器人选项.
5. 右键点击停靠面板中的消息，选择 联合主持。检测到舞台叠加层后才会显示菜单。停靠面板的消息行暂不支持用键盘打开此上下文菜单；键盘用户可使用以下页面上的文字输入框或语音控件： cohost.html.

简单 AI 选项

llm.socialstream.ninja 可通过以下选项使用： SSN 托管试用 LLM ，在试用服务可用期间可作为简单免费的测试选项。

• 打开 聊天机器人和 AI 服务 > 配置 LLM 服务提供商.
• 选择 SSN 托管试用 LLM（实验性）.
• 默认试用配置中，将端点、令牌和模型留空。
• 长期使用时，如果试用服务被关闭或限流，请使用自己的令牌或本地服务。

语音对话支持

• OpenAI Realtime: 将以下页面中选中的麦克风音频传输 cohost.html 直接发送给 OpenAI，构成一次原生语音到语音对话。语音对话与实时聊天上下文保留在同一个联合主持会话中。
• SSN 桌面端： 使用本地 Whisper，麦克风选择位于 cohost.html。首次使用会下载约 42 MB，之后转录可离线运行。
• Chrome／Chrome 扩展链接： 扩展在 Chrome 标签页中打开托管的联合主持页面。OpenAI Realtime 通过短期客户端密钥使用 WebRTC；文本回复服务使用 Chrome 语音识别，可能需要联网。
• 其他浏览器： 不保证语音识别一定可用。即使没有语音识别，联合主持文字聊天、实时聊天输入、摄像头或屏幕输入，以及已配置的 LLM 回复仍可工作。

OpenAI Realtime 设置

1. 在 SSN 弹出菜单中选择 ChatGPT API，添加 OpenAI 项目 API 密钥，并使用 测试所选聊天机器人.
2. 打开生成的 cohost.html?session=YOUR_SESSION_ID 链接，来自弹出菜单。其私有且会过期的联合主持授权凭证可授权 Realtime，无需启用独立的私人聊天机器人选项。
3. 选择 OpenAI Realtime。标准密钥保留在 SSN 扩展或桌面应用的后台；联合主持页面仅获得有效期很短的 Realtime 客户端密钥。
4. 明确选择你说话时使用的麦克风，保持 音频回复 保持选中，然后按 启动联合主持.
5. 可选：将视频来源保持为 无视频 （默认），或明确选择 屏幕共享 或摄像头。OpenAI 在每次直接语音或文字请求时接收一张当前图像，而非连续视频；这可能增加 API 费用和延迟。
6. 将 Live Chat 保持为 仅上下文 — 提问时才回答。问它“聊天里在说什么？”，就能让同一个语音 AI 讨论近期观众消息。
7. 在 OBS 中捕获联合主持浏览器或应用的音频。OpenAI 原生语音仅从以下页面播放： cohost.html; cohost-overlay.html 接收头像和文本，不接收同一条音频流。如果支持，请在以下位置选择虚拟音频线： 联合主持输出 ，以便在 OBS 中单独路由音频。
8. 保持舞台叠加层的对话气泡可见，或提供字幕，让 AI 回复不只通过音频传达。

OpenAI 的速度、质量与费用

• 模型： Mini 通常更快且费用更低。Full quality 能力更强，费用也更高。
• 推理强度： Minimal 或 Low 通常可降低回复延迟和计费输出用量。High 或 Extra high 可改善复杂问题的回答，但可能更慢且更贵。连接期间更改会即时生效。
• 轮流发言速度： Fast 最多等待约 2 秒来判断一句话是否结束；Balanced 约 4 秒；Patient 约 8 秒。Fast 响应更快，但可能打断自然停顿。
• 诊断： 延迟显示从一轮发言结束到首次出现文本或音频的时间，并在可行时单独标出模型延迟。即使请求相似，网络状况和服务负载仍可能不同。

可选直播控制

OpenAI Realtime 支持下列 Spotify、OBS 场景和精选聊天工具。SSN Configured LLM 目前仅支持 Spotify；其他联合主持服务暂未开放这些工具。

1. 在 SSN 弹出菜单中，仅启用你需要的联合主持工具：Spotify、OBS 场景或精选聊天。
2. 对于 OBS，请输入准确的允许场景名称，以逗号分隔，并保持 actions.html 连接到 OBS，或使用具备完整权限的 OBS 浏览器来源。
3. 开启 cohost.html，打开 联合主持直播控制 ，并为该控制器启用相同的工具。
4. 直接发出请求，例如“切换到 BRB”“展示最后一条消息”或“清空精选聊天”。观众消息不能授权工具操作，每次主播直接请求最多运行一个改变直播状态的工具。

页面如何通信

停靠面板与叠加层使用现有的 Social Stream 会话桥接。消息以以下形式发送： overlayNinja 消息体，并按标签指定目标。

{
  "action": "cohostOverlay",
  "target": "cohost-overlay",
  "meta": {
    "command": "say",
    "text": "The line the avatar should say",
    "speak": true,
    "emotion": "happy"
  }
}

可用操作

状态与故障排查

• 如果缺少联合主持菜单，说明在同一会话中没有检测到联合主持叠加层。
• 如果回答或轻度调侃不可用，说明 SSN 桥接或私人聊天机器人不可用。
• 主聊天机器人叠加层开关是可选项，不会启用停靠面板右键联合主持操作。
• 如果 cohost.html 看不到聊天时，请确认 URL 中的以下参数一致： session ，与弹出菜单保持一致，并确认 Live Chat 设置为 Context、Questions 或 All。
• 仅上下文 目前仅在使用 OpenAI Realtime 时将聊天内容共享给 AI。其他服务会监听聊天流，但不会把它输入模型。
• 静音麦克风 停止向联合主持发送音频。 静音联合主持语音、音量滑块、输出设备选择器，以及 停止朗读 控制播放。 静音共享的系统音频 是独立选项，仅对支持屏幕输入的服务显示。
• 如果直播控制工具不可用，请同时在 SSN 弹出菜单和以下位置启用： 联合主持直播控制。OBS 还需要在允许列表中至少包含一个准确的场景名称。
• 使用 测试叠加层 发送一条无害的可见测试文本，然后确认它出现在 OBS 的 AI 舞台叠加层中。
• 如果联合主持知道聊天内容却不说话，这是以下模式的正常行为： 仅上下文：问它聊天在说什么。Questions 或 All 模式会从联合主持页面自动朗读回复，但不会把回复发布到 YouTube、Twitch 或 Kick 聊天。
• 如果桌面端显示 正在聆听（桌面 Whisper） ，但始终没有填入 识别内容，确认选中的麦克风没有静音，并等待首次模型下载完成。
• 如果 Chrome 始终没有填入 识别内容，允许使用麦克风，检查操作系统的默认麦克风，确认能访问互联网，并验证 Chrome 语音识别是否可用。
• 如果 OpenAI Realtime 显示文本但没有播放音频，请检查 音频回复、浏览器音频权限，以及 OBS 对浏览器或应用音频的捕获。使用 &tts ，仅用于独立的文本叠加层流程。
• 如果 OpenAI Realtime 回复较慢，尝试 Mini、Low 推理强度和 Fast 轮流发言速度，再比较诊断面板中的延迟。较高推理强度和 Patient 轮流发言速度会有意牺牲速度，以换取更深入的回答或更长的停顿。
• 如果 OpenAI Realtime 断开连接，请让联合主持保持运行并等待重试。诊断面板会区分数据、对等连接、服务提供商或健康检查故障。恢复后的会话保留选定的系统指令和性能设置，但无法恢复之前的语音对话。
• 如果回答、轻度调侃或 SSN Configured LLM 请求超时，请检查 Social Stream 已开启、会话一致、私人聊天机器人已启用，且所选 LLM 服务可访问。OpenAI Realtime 不需要私人聊天机器人。
• 如果 Local Gemma 无法从默认资源主机下载模型文件，请将资源主机设为你自己镜像的 Gemma 文件夹。
• 如果托管试用 AI 停止响应，可能已被禁用或限流；请改用自己的令牌、Ollama 或自定义 API。
• 如果打开了多个叠加层，请确认叠加层标签与停靠面板目标一致。默认标签为 cohost-overlay.

常用 URL 参数

• session=YOUR_SESSION_ID — 停靠面板与叠加层加入同一个房间所必需。
• tts 或 speak=1 — 让叠加层使用浏览器 TTS 朗读。
• forcetts — 即使联合主持控制器已在播放音频，也允许叠加层使用 TTS；这会有意产生第二路声音。
• label=cohost-overlay — 设置叠加层的目标标签。
• name=NinjaBot — 设置叠加层上的显示名称。
• avatar=https://... — 使用自定义头像图片。
• position=bottom-right — 控制舞台位置。
• scale=1.2 — 缩放叠加层。
• status — 在叠加层上显示连接和状态文本。

设计说明

• 在停靠面板或手动文本流程中，叠加层负责画面显示和可选的 TTS 播放。对于 OpenAI 原生语音，请单独捕获 cohost.html 的音频；舞台叠加层不会重播同一条 WebRTC 音频流。
• 停靠面板是操作控制界面，因此主播的审批过程不会出现在直播画面中。
• 生成的回复不会自动朗读，必须先由主播批准。
• 非标准命令细节放在 meta，使叠加层和自动化收到的数据保持一致。