# 语音识别

本指南将引导您在 SillyTavern 中设置语音识别，以将您的声音转录为文本。

# 前提条件

在开始之前，请确保您已满足以下前提条件：

• 确保您在 SillyTavern 的最新 staging 分支上。
• 从扩展面板中的“下载扩展和资产”菜单（叠块图标）安装“语音识别”扩展。
• 已安装 ffmpeg 二进制文件。请参见 https://docs.sillytavern.app/extras/extensions/rvc/#rvc-setup

# 语音识别设置（浏览器）

1. 配置 SillyTavern：

   • 启动 SillyTavern 并转到 扩展 > 语音识别。
   • 从下拉选项中选择“浏览器”。
   • 如果您的浏览器不支持语音识别，将出现错误弹窗。

2. 选择消息模式：

   • 选择您想要的“消息模式”：
     • 附加：您的消息将附加到当前用户消息文本区域。
     • 替换：您的消息将替换文本区域中的当前用户消息。
     • 自动发送：一旦检测到语音结束，您的消息将自动发送。

3. 启用消息映射 (可选)：

   • 设置短语映射以实现语音快捷方式。
   • 例如，通过添加“命令删除 = /del2”，当检测到“命令删除”时，"/del2" 命令将替换您的语音消息。
   • 当与自动发送模式结合使用时，这非常有用，以实现完全的语音控制。通过勾选“启用消息映射”来启用此功能。

4. 选择语言：

   • 选择您想要使用的语言（注意：并非所有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。再次点击以停止录音。如果未检测到语音，录音可能会自动停止。

# 语音识别设置 (Whisper/Vosk)

1. 启用提供者:

   • 使用以下命令在额外服务器上启用所需的语音识别提供者：

     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 来使用自定义模型，并指定模型的路径。

2. 配置 SillyTavern:

   • 启动 SillyTavern 并转到 扩展 > 语音识别。
   • 从下拉选项中选择 "Vosk" 或 "Whisper"（whisper 更准确）。
   • 设置与 "浏览器" 提供者的设置类似（语言除外），请参见上文。

# 语音识别设置（流式）

1. 启用提供者：

   • 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）如上面的 Whisper 设置中所示，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。触发词可以通过复选框包含/排除在实际消息中。
   • 其他设置与其他提供者类似。

您现在可以使用 SillyTavern 中的语音识别将语音转录为文本。