Pular para o conteúdo
TomoriBot

Speech-to-Text (Motores Locais)

O TomoriBot trata speech-to-text como a capacidade de endpoint personalizado transcription. Os anexos de áudio são transcritos em segundo plano e adicionados ao contexto da conversa quando existe um endpoint de transcrição ativo.

A postagem visível de transcrições é separada. /config > Engine > Notices controla apenas se as transcrições de mensagens de voz são postadas no chat; ele não ativa ou desativa o STT em segundo plano.

Motores Disponíveis

WhisperXTranscrição local amigável para iniciantes usando o servidor de referência WhisperX sob servers/stt.
whisper.cppUse um servidor HTTP whisper.cpp leve quando ele expõe um endpoint de transcrição compatível com a OpenAI.
KoboldCPPUse o STT baseado no Whisper do KoboldCPP quando sua build expuser uma transcrição de áudio compatível com a OpenAI.

Fluxo de Configuração

  1. Inicie um servidor STT a partir dos guias de motores acima.
  2. Em /providers, escolha Add New Custom Endpoint e use a compatibilidade de API openai-compatible-transcription.
  3. Selecione o endpoint salvo e use seu menu suspenso de modelo para adicionar o código do modelo relatado pelo servidor.
  4. Abra /config > Models > Switch Models para selecionar e ativar o endpoint registrado.

Fluxo de Transcrição

Quando um endpoint de transcrição está ativo, o TomoriBot lê os anexos de áudio suportados em segundo plano e adiciona a transcrição ao contexto do chat. Nenhuma atribuição de persona é necessária.

Use /config > Engine > Notices apenas se você também quiser que essas transcrições sejam postadas visivelmente no chat.

Usuários da ElevenLabs devem escolher Add New Provider e ElevenLabs em /providers; isso registra a transcrição juntamente com a fala.