KoboldCPPの文字起こし

既存の KoboldCPP インスタンスを使用して、TomoriBotで音声添付ファイルと音声メッセージを文字起こしします。

KoboldCPPには、Whisperベースの音声テキスト変換機能が含まれています。TomoriBotは、OpenAI互換のオーディオトランスクリプションエンドポイント (POST /v1/audio/transcriptions) を使用してKoboldCPPに接続します。

セットアップ

Whisper/STTを有効にしてKoboldCPPを起動し、ビルドが以下を公開していることを確認します。

TomoriBotが使用している間は、KoboldCPPを実行したままにしてください。ビルドが/api/extra/transcribeまたは別のカスタム形式のみを公開している場合は、TomoriBotに専用のアダプターが搭載されるまでラッパーを使用してください。

/providersを実行し、新しいカスタムエンドポイントを追加を選んで、文字起こしのAPI互換性を使用します。

接続を保存したら、それを選択し、モデルのドロップダウンからサーバーが文字起こしモデルとして報告するモデル名を追加します。

エンドポイントの登録とモデルのセットアップには/providersを使用してください。その後、/config > モデル > モデルの切り替えを開き、登録したエンドポイントを選択して有効化します。

登録後、TomoriBotはバックグラウンドで音声添付ファイルを文字起こしし、テキストをチャットコンテキストに追加します。トランスクリプトをチャットに視覚的に投稿したい場合にのみ、「/config」>「動作」>「通知動作」を使用します。