终端体验：语音、多语言与视觉

MiMo Code 的终端界面仍在 packages/opencode/src/cli/cmd/tui，和底座 v1.14.19 同一个位置。OpenCode 后来把界面拆成了独立的 packages/tui 包，终端界面一篇写的是拆包之后的 v1.18.30，文件路径对不上，但骨架相同：OpenTUI 渲染、SolidJS 组件、KV 里存本地偏好、内置功能用插件插槽拼装。本篇只讲 MiMo 在这套骨架上加的东西。

改动分布

与 v1.14.19 的同名目录相比，TUI 新增 54 个文件、修改 105 个、原样保留 40 个，删除 1 个（主题 opencode.json）。新增文件里有一个 283349 字节的 ten_vad.wasm，其余 53 个文本文件合计 8711 行。按子目录看（修改文件的新增行是逐行比对的粗估）：

输入框 component/prompt/index.tsx 新增约 880 行，现有 2105 行，语音输入的状态机就在这里。上游 TUI 没有词典，界面文字直接写在代码里；MiMo 的 TUI 源码里有 305 处以 tui. 为前缀查词典的调用，分布在 30 个文件中，这也是修改文件多的原因之一。

语音输入

怎么用

• /voice 开关语音输入，打开后输入框右侧出现一个 Voice 按钮，点一下开始录音、再点一下停止（packages/opencode/src/cli/cmd/tui/component/prompt/index.tsx:813）。
• /voice-control 在“快速输入”与“智能编辑”两种模式间切换，/voice-send 允许在智能编辑模式里说“发送”来提交（prompt/index.tsx:848、prompt/index.tsx:831）。这三个开关都存在本地 KV 里，默认全关。
• 模型由配置的 voice.asr_model 与 voice.control_model 指定，缺省分别是 xiaomi/mimo-v2.5-asr 与 xiaomi/mimo-v2.5（packages/opencode/src/config/config.ts:393）。换成别的提供方时，只要它有 API key 并能解析出 baseURL 即可：先取提供方的 options.baseURL，再取该提供方第一个模型的 API 地址，xiaomi 最后兜底为 https://api.xiaomimimo.com/v1（packages/opencode/src/cli/cmd/tui/util/voice.ts:21）。
• 需要命令行录音工具：macOS 用 sox 或 rec，Linux 用 arecord 或 sox，Windows 只认 sox，统一录成 16 kHz、单声道、16 位的原始 PCM（voice.ts:59）。

语音不走内置 LLM 服务的 /v1 接口，而是 TUI 直接带着提供方的密钥请求 <baseURL>/chat/completions，并加上 X-Mimo-Source 头。

录音与切段

录音进程的标准输出按 16 位样本对齐后喂给 RealtimeVAD（voice.ts:116）。VAD 用的是 Agora 开源的 TEN VAD，编译成 WebAssembly 随包分发，许可证为 Apache 2.0（packages/opencode/src/cli/cmd/tui/asset/TEN_VAD_LICENSE）。它每 256 个样本（16 kHz 下 16 毫秒）算一次语音概率（packages/opencode/src/cli/cmd/tui/util/vad.ts:4），参数缺省为：进入说话的阈值 0.8、维持说话的阈值 0.7、向前补 0.6 秒、静默 0.8 秒切段、单段最长 60 秒（vad.ts:91）。智能编辑模式把静默时长放宽到 1.2 秒（prompt/index.tsx:308）。

切段判定在 vad.ts:202：

if (prob >= this.endThreshold) {
  this.silenceStartS = null
  this.sumPositiveS += hopS
} else if (this.silenceStartS === null) {
  this.silenceStartS = chunkOffsetS
}

const shouldCut =
  (this.silenceStartS !== null && chunkOffsetS - this.silenceStartS >= this.minSilenceS) ||
  (chunkOffsetS - this.activeStartS >= this.maxSegmentS)

短于 0.2 秒的片段直接丢弃（vad.ts:216），初始化时先喂 25 帧静音（vad.ts:108）。每切出一段就立即发请求，不必等录音结束：快速输入的各段并发转写，智能编辑的各段排队依次处理（prompt/index.tsx:324）。录音期间按钮在等待说话、说话中（带计时）与处理中三种状态之间切换（prompt/index.tsx:1890）。

两种模式

快速输入调用 ASR 模型，请求里只有一段 input_audio（WAV 编成 data URL）和 asr_options，语言设为自动，超时 30 秒（voice.ts:202）。转写结果插到这段录音送去转写时光标所在的位置，有选区就替换选区；插在文末时，若原文以英文句点、问号或叹号结尾就先补一个空格（packages/opencode/src/cli/cmd/tui/util/voice-edit.ts:81）。快速输入没有发送命令，说“发送”也只是插入这两个字。

智能编辑让多模态模型理解意图。请求由系统提示词、一段描述输入框现状的 JSON 和录音组成，并登记唯一的工具 voice_input（voice.ts:367）。输入框现状有两种写法：有可靠光标时拆成 before_cursor、selection、after_cursor 三段，输入框没有焦点时只给整段文本。工具参数是一个可选的 operation 加一个可选的 send，operation 三选一（voice.ts:303）：

系统提示词 voice-input.txt 的规则用英文写成，例子以中文口语为主。核心约束在第 3 行（packages/opencode/src/cli/cmd/tui/util/voice-input.txt:3）：

Your ONLY valid reply is a voice_input tool call. Never write text in the content field. Never put JSON in the content field. Your entire response must be exactly one tool call — no preamble, no explanation, no JSON object as text.

它还反复强调，用户说出的绝大多数话是要交给编码 Agent 的内容，应当转写后插入，模型不要自己去执行；只有明确针对输入框的删改、清空、移动光标和发送才算命令。

回复不合规（没有调用工具、调用了多次、工具名不对、参数不是合法 JSON 或不符合 schema）时，把模型上一条回复与错误说明附在对话后面重发，最多重试 2 次，即一段录音最多发 3 次请求（voice.ts:490）；有工具调用时错误说明以 tool 角色回复，否则以 user 角色补一条（voice.ts:401）。send 只在打开了 /voice-send 时生效，关着时直接丢弃，不触发重试。

结果回来后，若输入框的内容在请求期间被用户改过，这次编辑整个作废并提示“输入内容已变化，语音编辑已跳过”（prompt/index.tsx:342）。快速输入则退而求其次，把转写结果追加到当前文本末尾。内容没变时的插入走编辑器自己的 insertText，粘贴块、文件引用这类标记得以保留；set 与 set_with_cursor 整段重写，这些标记随之清空（prompt/index.tsx:204）。

与设计文档对照

仓库里的 docs/compose/spec/voice-control-tool-protocol.md 记录了这次从旧 JSON 协议迁到 voice_input 工具协议的设计，状态为已交付。对照代码，唯一的工具、不设 tool_choice、协议错误最多重试 2 次、两种模式的静默时长、输入被改过时丢弃编辑、ASR 请求格式不变，都与文档一致。有一处细节不同：文档正文写的是协议出错时追加 assistant 消息和一条 user 角色的错误说明（docs/compose/spec/voice-control-tool-protocol.md:73），代码在有工具调用时改用 tool 角色回复，文档开头的交付记录里把它列为评审后的修改（voice-control-tool-protocol.md:15）。

多语言

v1.14.19 的 TUI 文字都是写死的英文。MiMo 加了 i18n 目录，放 en、zh、zht、ja、ru、fr、es 七份界面词典，每份五六百行；界面组件包 @mimo-ai/ui 另有 17 种语言的词典（packages/ui/src/i18n）。加载时两者合并，组件包的词条优先，缺失的键回落到英文（packages/opencode/src/cli/cmd/tui/context/language.tsx:15）。韩语、德语等十种语言只有组件包词典，TUI 自己的文字仍显示英文。

语言偏好存在 KV 的 locale 里，缺省为 auto（language.tsx:54），用 /language（别名 /lang）切换（packages/opencode/src/cli/cmd/tui/app.tsx:1122）。auto 的判定顺序值得注意：先看时区，再看环境变量（packages/opencode/src/cli/cmd/tui/util/system-locale.ts:190）：

export function detectSystemLocale(): Locale {
  const tz = detectTimezoneLocale()
  if (tz) return tz
  for (const env of ["LC_ALL", "LC_MESSAGES", "LANG", "LANGUAGE"] as const) {
    const value = process.env[env]
    if (!value) continue
    for (const raw of value.split(":")) {
      const cleaned = raw.replace(/[.@].*$/, "").replace(/_/g, "-").toLowerCase()
      if (!cleaned || cleaned === "c" || cleaned === "posix") continue
      const match = matchers.find((m) => m.test(cleaned))
      if (match) return match.locale
    }
  }
  try {
    const intl = Intl.DateTimeFormat().resolvedOptions().locale.toLowerCase()
    const match = matchers.find((m) => m.test(intl))
    if (match) return match.locale
  } catch {}
  return "en"
}

时区表只覆盖有 TUI 词典的语言：Asia/Shanghai 等内地时区判为简体中文，香港、澳门、台北判为繁体中文，此外还有日语、俄语、法语、西班牙语与英语的时区列表（system-locale.ts:175）。所以系统语言是英文、时区在上海的用户，默认看到的是中文界面，需要手动 /language 改回来。

命令行里 TUI 之外的提示（比如登录流程）走另一个更简单的翻译函数，只带 en、zh、ja、fr、ru 五份词典，不读 KV 偏好，只看系统检测结果（packages/opencode/src/cli/i18n.ts:8）。内置技能与 init、review、dream、distill、goal、deep-research 这几个内置命令的描述也会翻译（packages/opencode/src/cli/cmd/tui/i18n/slash-command.ts:1），内置技能还可以通过词典登记中文斜杠别名（packages/opencode/src/cli/cmd/tui/i18n/skill.ts:11）。

还有一个方便中文用户的细节：通用列表选择框 DialogSelect 的模糊搜索多了一个拼音键，“切换会话”可以用 qiehuanhuihua、qie huan hui hua 或首字母 qhhh 搜到，不必切换输入法（packages/opencode/src/cli/cmd/tui/util/pinyin.ts:11、packages/opencode/src/cli/cmd/tui/ui/dialog-select.tsx:104）。

视觉

• 丰富与极简。/vivid 在 vivid 与 minimal 两种视觉模式间切换，缺省为 vivid；动效只在 vivid 且 KV 的 animations_enabled 为真时播放（packages/opencode/src/cli/cmd/tui/context/visual.ts:14）。受它控制的有星空背景、流星、Logo 扫光和进行中标记的动画。
• 星空背景。首页默认铺一层星空：每个字符格以 0.00394 的概率放一颗星，每 200 毫秒随机改变一批星的亮度，每 8 秒划过一颗持续 3.6 秒的流星（packages/opencode/src/cli/cmd/tui/component/starry-background.tsx:5）。流星用盲文字符的 2×4 点阵画出亚字符精度的斜线与圆头（starry-background.tsx:61）。纯文本终端里不画。
• 背景图。/background 列出配置目录下 backgrounds/ 里的 PNG 与 JPEG，也能输入路径导入，光标移动时即时预览，取消则恢复原设置（packages/opencode/src/cli/cmd/tui/component/dialog-image-list.tsx:13）。在 kitty、Ghostty、WezTerm 里 PNG 走 kitty 图形协议，交给终端按整屏尺寸绘制（packages/opencode/src/cli/cmd/tui/util/image-protocol.ts:3）；其他情况用上半块字符 ▀ 的前景色和背景色各画半行像素，按铺满屏幕的方式裁切，图片颜色以 45% 的比例混进主题背景色（packages/opencode/src/cli/cmd/tui/component/background-image.tsx:117）。
• Logo 与主题。/logo 切换首页 Logo 的样式（app.tsx:928）。默认主题从上游的 opencode 换成 mimocode（packages/opencode/src/cli/cmd/tui/context/theme.tsx:194），主色由上游暗色的 #fab283、亮色的 #3b7dd8 改成暗色 #FF6A00、亮色 #C45200 的橙色（packages/opencode/src/cli/cmd/tui/context/theme/mimocode.json:12）。

侧栏插件

侧栏内容仍由内置插件按 order 往插槽里填。MiMo 新增了四个，并改了上游的上下文面板（packages/opencode/src/cli/cmd/tui/plugin/internal.ts:21）：

生成速度由 packages/opencode/src/cli/cmd/tui/feature-plugins/sidebar/tps.ts 计算：流式输出期间，把已收到的正文与推理文本按每 4 个字符一个 token 估算，除以从消息创建到现在的秒数，不足 0.5 秒不显示，每秒刷新；输出完成后改用提供方报告的输出与推理 token 数，除以消息从创建到完成的时长（packages/opencode/src/cli/cmd/tui/feature-plugins/sidebar/context.tsx:38）。两种算法的起点都是消息创建时间，包含等待首个 token 的时间。上下文上限一行显示生效的上限，若上限来自配置（比如用 /context-limit 设过），还会附上模型窗口的大小（context.tsx:97）。新插件里 cwd 与指令文件两块走了词典，Goal 与 Tasks 两块的标题仍是写死的英文。

其他新命令与对话框

与 v1.14.19 相比，TUI 在命令面板里登记的斜杠命令从 26 个增加到 49 个（服务端的 /goal、/dream 这类命令不在此列）。除了上文的语音、语言、视觉命令，以及模型、提供方与提示词路由里讲过的 /login、/logout、/modalities，还有：

下一篇：回顾——回顾整本专栏，把前面各篇讲到的机制串起来。