Speech Recognition (语音识别)

本指南将帮助您在 SillyTavern 中设置语音识别以将您的语音转录为文本。

前提条件

在开始之前，请确保满足以下前提条件：

• 确保您使用的是最新版本的 SillyTavern。
• 从扩展面板（堆叠块图标）的"Download Extensions & Assets"菜单中安装"Speech Recognition"扩展。
• 已安装 ffmpeg 二进制文件。有关详细信息，请参阅 RVC 设置。

语音识别设置（浏览器）

1. 配置 SillyTavern：

   • 启动 SillyTavern 并转到 Extensions > Speech Recognition。
   • 从下拉选项中选择"Browser"。
   • 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"Message Mode"：
     • Append：您的消息将附加到当前用户消息文本区域。
     • Replace：您的消息将替换文本区域中的当前用户消息。
     • Auto send：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）：

   • 设置语音快捷方式的短语映射。
   • 例如，通过添加"command delete = /del2"，当检测到"command delete"时，"/del2"命令将替换您的语音消息。
   • 与自动发送模式结合使用时很有用，可实现完全的语音控制。通过勾选"Enable messages mapping"启用此功能。

4. 选择语言：

   • 选择您要使用的语言（注意：并非所有浏览器都支持所有语言）。

5. 录音：

   • 要开始录音，点击消息区域右侧发送按钮旁边的麦克风按钮。再次点击停止录音。如果未检测到声音，录音可能会自动停止。

语音识别设置（Whisper/Vosk）

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
     

   • 您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 并转到 Extensions > Speech Recognition。
   • 从下拉选项中选择"Vosk"或"Whisper"（whisper 更准确）。
   • 设置与"Browser"提供商设置类似（除了语言），请参见上文。

语音识别设置（流式传输）

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）如上述 Whisper 设置中所述指定自定义 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。使用复选框启用此功能。可以使用复选框选择是否在实际消息中包含/排除触发词。
   • 其他设置与其他提供商类似。

现在您已准备好在 SillyTavern 中使用语音识别将您的语音转录为文本。