“语音讨论” 功能支持你通过语音直接与 AI 进行多轮交互式讨论，适用于需求设计、问题分析、想法梳理等需要反复沟通的协作场景。在讨论过程中，你可以自由表达、随时追问或调整方向，AI 会基于上下文做出针对性回应。讨论结束后，AI 会自动对语音内容进行转写、清洗和结构化处理，输出一份准确、清晰的文本纪要。
在编码或调试过程中遇到难题时，你可以基于当前代码库与 AI 展开讨论，例如：“根据我现在的代码，我们一起讨论一下这个 Bug 的可能原因，并看看几种解决方案的取舍”。AI 能够理解代码上下文，与你就实现思路、边界情况和技术选型等方面进行多轮交流。
基于过往的讨论结果或 AI 生成的报告，你可以进一步与 AI 共同推演产品的运营策略。例如：“依据上次讨论的市场调研结论，我们一起讨论几个低成本、高效率的线上运营活动，并对每个方案的可行性进行比较”。在多轮推演中筛选出更合适的方案。
你可以上传数据文件（如 Excel 预算表），与 AI 围绕数据展开多轮分析讨论。例如：“我上传了今年的预算表，结合我们之前讨论过的预算分配原则，我们一起讨论各部门的分配是否合理”。讨论过程中，你可以随时调整分析维度、追加条件。
TRAE Work 能记住你过往讨论过的内容和上传过的文档，形成可持续追溯的上下文。你可以在新的讨论中直接引用历史信息，例如：“我们之前讨论过一份法务文档，请帮我找出其中关于数据合规的准则，并继续讨论它对当前方案的影响”。
界面上弹出语音讨论窗口。
授权后，你将自动进入录音界面。
在你表达完想法并稍作停顿后，AI 会根据实时理解给出反馈和建议。讨论内容会被自动记录，你可以随时点击麦克风图标暂停输入，再次点击麦克风图标可恢复语音输入。
AI 将开始处理语音讨论内容，将其整理为结构化的文本，并展示在对话流的 面板。
你可以点击面板左下角的 按钮，在右侧打开的 窗口中查看原始讨论记录。
下方案例展示了与 AI 讨论贪吃蛇游戏设计的过程。在此过程中：
用户：提出了开发贪吃蛇游戏的想法，并主导了核心需求决策，包括确定客户端类型、闯关模式等关键设计。
AI：通过一步步引导，帮助用户明确了游戏的设计方向——纯原生网页版闯关贪吃蛇，并梳理出具体的开发步骤和优先级，从 HTML 画布搭建到 JavaScript 游戏逻辑实现，制定了一份清晰的开发计划。
原始语音记录：
AI 总结的讨论结果：
TRAE Work 的语音转文本处理策略如下：
AI 会自动清理原始语音转写的文本，包括移除 “嗯”、“然后”、“就是”、“那个” 等语气词和口癖词，合并语义重复的表达，修复因停顿或思考造成的断句问题，并修正其他语法错误。
AI 在转写的基础上具备语义理解能力，可识别发言人的自我修正行为（例如 “不是 A，是 B” 这类表述）。在这种情况下，AI 会保留发言人最终给出的结论，并删除已被推翻的内容，从而避免在记录中保留无效或冲突的信息。
AI 会根据内容主题和逻辑关系，对文本进行结构化处理，包括自动生成标题、将要点整理为列表，以及按总分结构组织段落。处理后的文档具有清晰的层级和结构。
