语音识别（本地引擎）
TomoriBot 把语音识别当作 transcription 这一自定义端点功能来处理。只要有一个处于激活状态的转写端点，音频附件就会在后台被转写，并被加入对话上下文。
转写内容的公开显示是另一回事。/config > 行为 > 提示这一项只控制语音消息的转写是否会发到聊天里；它不会启用或停用后台的语音识别。
可用引擎
WhisperX适合初学者的本地转写方案，使用 servers/stt 下的参考 WhisperX 服务器。
whisper.cpp当轻量的 whisper.cpp HTTP 服务器暴露 OpenAI 兼容的转写端点时，就可以使用它。
KoboldCPP当你的构建暴露 OpenAI 兼容的音频转写时，可以使用 KoboldCPP 基于 Whisper 的语音识别功能。
设置流程
- 从上面的引擎指南里启动一个语音识别服务器。
- 在
/providers里选择添加新自定义端点，并把 API 兼容性设为openai-compatible-transcription。 - 选中已保存的端点，用它的模型下拉菜单添加服务器上报的模型代码。
- 打开
/config> 模型 > 切换模型，选中并激活已注册的端点。
转写流程
当转写端点处于激活状态时，TomoriBot 会在后台读取受支持的音频附件，并把转写内容加入聊天上下文。不需要指派任何人格。
只有当你还想把这些转写内容公开发到聊天里时，才需要用到 /config > 行为 > 提示。
使用 ElevenLabs 的话，在 /providers 里选择添加新提供方和 ElevenLabs；它会在注册语音的同时一并注册转写。