Pular para o conteúdo
TomoriBot

Speech-to-Text (Motores Locais)

Transcreva mensagens de voz e anexos de áudio localmente para que TomoriBot possa entender o áudio falado no bate-papo sem enviar gravações para APIs de nuvem de terceiros.

TomoriBot trata a fala para texto como o recurso de endpoint personalizado transcription. Os anexos de áudio são transcritos em segundo plano e adicionados ao contexto da conversa quando existe um ponto final de transcrição ativo.

A postagem da transcrição visível é separada. /config > Mecanismo > Avisos controla apenas se as transcrições das mensagens de voz são postadas no chat; ele não ativa ou desativa o plano de fundo STT.

Motores disponíveis

WhisperXTranscrição local amigável para iniciantes usando o servidor de referência WhisperX em servidores/stt.
sussurro.cppUse um servidor HTTP sussurro.cpp leve ao expor um endpoint de transcrição compatível com OpenAI.
KoboldCPPUse KoboldCPP STT baseado em Whisper quando sua construção expõe a transcrição de áudio compatível com OpenAI.

Fluxo de configuração

  1. Inicie um servidor STT a partir dos guias do mecanismo acima.
  2. Em /providers, escolha + Adicionar Novo Endpoint Personalizado (ou Add New Custom Endpoint) e selecione openai-compatible-transcription (transcrição compatível com OpenAI).
  3. Selecione o endpoint salvo e use o menu suspenso do modelo para adicionar o código do modelo relatado pelo servidor.
  4. Abra /config > Modelos > Switch Models para selecionar e ativar o endpoint registrado.

Fluxo de transcrição

Quando um endpoint de transcrição está ativo, TomoriBot lê os anexos de áudio compatíveis em segundo plano e adiciona a transcrição ao contexto do bate-papo. Nenhuma atribuição de personalidade é necessária.

Use /config > Mecanismo > Avisos somente se você também quiser que essas transcrições sejam postadas de forma visível no bate-papo.

Os usuários de ElevenLabs devem escolher Adicionar Novo Provedor e ElevenLabs em /providers; ele registra a transcrição junto com a fala.