跳到主要内容

配置

OPL 数据空间同时支持本地、浏览器内和远程 Speech-to-Text。

alt text alt text

云端 / 远程 STT Provider​

当前支持：

服务是否需要 API Key指南
Local Whisper（默认）❌内建，见 环境变量
OpenAI（Whisper API）✅OpenAI STT 指南
Mistral（Voxtral）✅Mistral Voxtral 指南
Deepgram✅—
Azure✅—

此外，Web API 模式可直接使用浏览器内置的语音识别，不需要 API Key，由用户级设置控制。

配置 STT Provider​

要配置 STT：

  • 进入管理设置
  • 选择 Audio
  • 填写 API Key，并在下拉中选择模型

alt text

用户级设置​

除了管理员层面的实例配置之外，用户还有额外设置：

  • STT 设置：语音转文字相关设置
  • Speech-to-Text Engine：选择 Default 或 Web API

alt text

使用 STT​

点击麦克风图标即可开始用语音输入提示词：

alt text

开始录音后，界面会显示动态音频波形：

alt text

录音过程中的操作​

录音开始后：

  • 点击勾号保存录音
  • 若启用了自动发送，则会直接发送
  • 若想取消录音并重来，可点击 x

alt text

故障排查​

int8 compute type not supported​

如果看到类似：

Requested int8 compute type, but the target device or backend do not support efficient int8 computation

通常说明当前 GPU 不支持所需的 int8 计算方式。

解决方法：

  • 升级到较新的 OPL 数据空间版本
  • 改用标准 Docker 镜像，而不是 :cuda
  • 通过 WHISPER_COMPUTE_TYPE 指定：
environment:
  - WHISPER_COMPUTE_TYPE=float16
提示

对 Whisper 这种相对小模型来说，CPU 模式在很多场景下已经够用，而 :cuda 镜像对 STT 性能提升未必明显。

麦克风不能用​

  1. 检查浏览器权限
  2. 确保使用 HTTPS
  3. 尝试换浏览器

识别准确率不佳​

  • 明确设置 WHISPER_LANGUAGE
  • 若需要多语言，开启 WHISPER_MULTILINGUAL=true
  • 改用更大的 Whisper 模型

更多细节见 音频排障指南。