语音识别

本指南将引导你在 SillyTavern 中设置语音识别，将你的语音转录为文本。

前提条件

在开始之前，请确保你已满足以下前提条件：

• 确保你使用的是最新版本的 SillyTavern。
• 从扩展面板（堆叠方块图标）中的“下载扩展与素材”菜单安装“Speech Recognition”扩展。

语音识别设置（浏览器）

1. 配置 SillyTavern：

   • 启动 SillyTavern，进入 Extensions > Speech Recognition。
   • 在下拉选项中选择“Browser”。
   • 如果你的浏览器不支持语音识别，将会弹出错误提示。

2. 选择消息模式：

   • 选择你想要的“消息模式（Message Mode）”：
     • 追加（Append）：你的消息将被追加到当前用户消息文本框中。
     • 替换（Replace）：你的消息将替换文本框中当前的用户消息。
     • 自动发送（Auto send）：检测到语音结束后，你的消息将自动发送。

3. 启用消息映射 （可选）：

   • 为语音快捷指令设置短语映射。
   • 例如，添加“command delete = /del2”后，当检测到“command delete”时，“/del2”命令将替换你的语音消息。
   • 与自动发送模式结合使用可实现完全的语音控制。勾选“启用消息映射（Enable messages mapping）”即可启用。

4. 选择语言：

   • 选择你要使用的语言（注意：并非每个浏览器都支持所有语言）。

5. 录音：

   • 要开始录音，请点击消息区域右侧、发送按钮旁边的麦克风按钮。再次点击可停止录音。如果未检测到语音，录音可能会自动停止。

语音识别设置（API 来源）

支持提供语音转文本 API 的来源，如 OpenAI、MistralAI、Groq、Chutes、Z.AI 等。

设置方法：

1. 在聊天补全 API 设置中为所选提供商提供 API 密钥。
2. 启动 SillyTavern，进入 Extensions > Speech Recognition。
3. 在下拉选项中选择所需的 API 来源。
4. 根据需要配置其他设置，与“Browser”提供商的设置类似。

语音识别设置（Extras）- 已弃用

1. 启用提供商：

   • 使用以下命令在 extras 服务器上启用所需的语音识别提供商：

     python server.py --enable-modules=whisper-stt

     或

     python server.py --enable-modules=vosk-stt

   • 你也可以通过添加选项 --stt-vosk-model-path 或 --stt-whisper-model-path 并指定模型路径来使用自定义模型。

2. 配置 SillyTavern：

   • 启动 SillyTavern，进入 Extensions > Speech Recognition。
   • 在下拉选项中选择“Vosk”或“Whisper”（Whisper 更准确）。
   • 设置与“Browser”提供商类似（语言除外），参见上文。

语音识别设置（流式）- 已弃用

1. 启用提供商：

   • 使用以下命令在 Sillytavern-extras 上启用流式语音识别模块：

     python server.py --enable-modules=streaming-stt

2. 配置 SillyTavern：

   • （可选）按照上文 Whisper 设置中的方法指定自定义 Whisper 模型。
   • （可选但推荐）在 SillyTavern 中设置触发词。只有以这些触发词开头的消息才会作为实际消息发送到 SillyTavern。这可以防止随机语音或噪音被转录。通过复选框启用此功能。可以通过复选框选择是否将触发词从实际消息中包含/排除。
   • 其他设置与其他提供商类似。

现在你已准备好在 SillyTavern 中使用语音识别将语音转录为文本。