Skip to main content

语音转文字服务

本系统支持多种语音转文字服务，包括：

  • 阿里云智能语音交互（默认）
  • 火山引擎大模型语音识别（推荐，识别准确率更高）
  • 讯飞语音识别

要使用语音功能，有以下基本需求：

  1. 系统需要一个 HTTPS 的域名
  2. 部署本系统的服务器需要能够访问到对应的语音服务 API

如何修改成自己的阿里云服务​

  1. 在阿里云的智能语音交互中新增一个项目。获得appkey。
  2. 开启阿里云的api服务，获取accessKey和accessKeySecret（和智能语音交互无关，是一个全局业务）

系统全局参数中配置如下：

{
    "thirdParty": {
        "alioss": {
            "accessKeyId": "xxx",
            "accessKeySecret": "xx"
        }
    },
    "voice": {
        "appkey": "xxx",
        "vocabulary": "可选。热词项目id"
    }
}

如何提升语音识别率​

可以在阿里云的项目中配置业务热词。配置完成后，有一个热词ID。在系统全局参数中进行配置即可。见上文。

火山引擎大模型语音识别​

火山引擎提供基于大模型的语音识别服务，具有更高的识别准确率和更强大的功能。

API 版本​

本系统使用 v3 大模型录音文件极速版识别API，主要特性包括：

  • ✅ 大模型技术：使用先进的语音识别大模型，准确率更高
  • ✅ 长音频支持：最长支持 5 小时音频文件
  • ✅ 准实时返回：准实时返回识别结果
  • ✅ 智能功能：内置标点、顺滑、数字格式化、智能分句、说话人识别
  • ✅ 详细日志：完整的请求和响应日志，便于调试

配置步骤​

1. 获取凭证​

访问 火山引擎控制台：

  1. 开通豆包语音服务
  2. 创建应用
  3. 获取 appKey 和 accessKey

2. 配置系统参数​

在系统全局参数中配置如下：

{
    "voice": {
        "platform": "volcengine",
        "appKey": "your_app_key",
        "accessKey": "your_access_key",
        "resourceId": "your_resource_id",  // 可选
        "uid": "default_user"               // 可选
    }
}

参考资料​

切换成讯飞​

全局配置项加入

"voice":{"platform":"xfyun"}

注：科大讯飞API暂时使用的是我司体验key。如需正式版本使用，暂时先请联系技术支持人员。