跳至主要内容

概述

Runtime Speech Recognizer 文件

Runtime Speech Recognizer 是一個跨平台插件，可實現即時、離線的語音辨識。該插件基於 Whisper OpenAI 技術，特別是 whisper.cpp 函式庫，並支援多種在插件設定中預先選取的語言模型，具備自動語言偵測功能。

如何安裝​

首次執行時，請安裝語言模型（會出現對話框自動提示您執行此操作）。

基本說明​

此插件使用基於 whisper.cpp 函式庫的先進演算法，提供即時語音辨識，該函式庫採用寬鬆的 MIT 授權條款。它會將輸入的音訊資料（以串流或非串流形式提供，例如檔案或音訊資料緩衝區）與預先訓練的語言模型進行比對。使用多語言模型時，插件可以自動偵測口語語言，並將此資訊與辨識出的文字一同提供。

插件會根據不同平台使用不同的 GPU 加速方法：

  • Windows 和 Linux：使用 Vulkan 進行 GPU 加速，可顯著加快辨識過程
  • Mac 和 iOS：使用 Metal 進行 GPU 加速，其效能可與 Windows 或 Linux 的 Vulkan 加速相媲美，甚至更快
  • 其他平台：使用 CPU 搭配內建指令集進行加速（在原生執行時，例如 Android 或 Meta Quest 上，速度可能較慢）

其他資源​

Join our Discord
online · support