WhisperX 语音转写

WhisperX 是推荐的、适合初学者的本地转写方案。

设置

请在 TomoriBot 仓库根目录（也就是你克隆 TomoriBot 的那个文件夹）里运行这些命令。第一条命令会进入语音识别服务器文件夹：

Windows PowerShell

cd servers/stt
python -m venv .venv
.\.venv\Scripts\Activate.ps1
python -m pip install --upgrade pip
pip install -r requirements.txt
python whisperx_server.py

Linux/macOS Bash

cd servers/stt
python3 -m venv .venv
source .venv/bin/activate
python -m pip install --upgrade pip
python -m pip install -r requirements.txt
python whisperx_server.py

在 TomoriBot 使用 WhisperX 期间，请让那个终端保持打开。默认端点 URL 是 http://127.0.0.1:8021。

在 TomoriBot 中注册

运行 /providers，选择添加新自定义端点，并使用语音识别专用的 API 兼容性：

API 兼容性：openai-compatible-transcription
endpoint_url：http://127.0.0.1:8021

保存连接后，选中它，并用它的模型下拉菜单把 large-v3（或者 WHISPERX_MODEL 所设的值）添加为语音识别模型。

端点注册和模型设置都在 /providers 里做，之后打开 /config > 模型 > 切换模型，选中并激活已注册的端点。

使用转写内容

注册之后，TomoriBot 会在后台转写音频附件，并把文字加入聊天上下文。只有当你还想把转写内容公开发到聊天里时，才需要用到 /config > 行为 > 提示。