跳转到内容
TomoriBot

语音识别（本地引擎）

在本地转录语音消息和音频附件，以便TomoriBot可以理解聊天中的语音，而无需将录音发送到第三方云API。

TomoriBot将语音转文本视为transcription自定义端点功能。当活动转录端点存在时，音频附件在后台转录并添加到对话上下文中。

可见的成绩单发布是单独的。/config > 引擎 > 通知仅控制是否在聊天中发布语音消息记录； 它不会启用或禁用后台STT。

可用发动机

WhisperX使用servers/stt下的参考WhisperX服务器进行初学者友好的本地转录。
耳语.cpp当公开OpenAI兼容的转录端点时，使用轻量级的tweet.cpp HTTP服务器。
KoboldCPP当你的构建公开与OpenAI兼容的音频转录时，请使用基于Whisper的KoboldCPP STT。

设置流程

  1. 从上面的引擎指南启动一台STT服务器。
  2. 在/providers中，选择+ 添加新自定义端点（或Add New Custom Endpoint）并选择openai-compatible-transcription（OpenAI兼容转录）。
  3. 选择保存的端点并使用其模型下拉列表添加服务器报告的模型代码。
  4. 打开/config > 模型 > 切换型号选择并激活已注册的端点。

转录流程

当转录端点处于活动状态时，TomoriBot在后台读取支持的音频附件并将转录添加到聊天上下文中。不需要人格分配。

仅当你还希望这些记录在聊天中可见时，才使用/config > 引擎 > 通知。

ElevenLabs用户应在/providers中选择添加新提供方和ElevenLabs； 它会与语音一起记录转录。