Beszédből szöveg

A Libre WebUI egy aktív, beszédfelismerési képességet deklaráló bővítményen keresztül írja át a mikrofonfelvételeket. Ha a böngésző saját beszédfelismerő szolgáltatást kínál, a Chat alapértelmezés szerint azt választja. A megvalósítást és az adatkezelést a böngésző szolgáltatója irányítja, ezért a feldolgozás nem feltétlenül az eszközön történik. Szolgáltatón keresztüli STT-hez válasszon ki név szerint egy szolgáltatót. Ha a böngésző szolgáltatása nem érhető el, a Chat az első kompatibilis szolgáltatót választja.

A beépített támogatás a következőket tartalmazza:

• OpenAI átírási modellek multipart kéréssel a /v1/audio/transcriptions végpontra; valamint
• Hugging Face automatikus beszédfelismerési modellek a nyers hang inferencia-végpontján keresztül.

A böngésző csak akkor kezdi meg a felvételt, amikor a felhasználó megnyomja a mikrofon gombját. A Chat a felvétel előtt megjeleníti a kiválasztott szolgáltatót és az adattovábbítási tájékoztatót. A leállításhoz nyomja meg ismét; átírás közben ugyanez a gomb megszakítja a szolgáltató felé küldött kérést. A Libre beilleszti a szöveget a szerkesztőbe. A felvétel csak a kérés idejére marad a memóriában, a Libre WebUI nem tárolja. Másik beszélgetésre váltás megszakítja a függő mikrofonengedélyt, felvételt és átírást.

Szolgáltatói szerződés

Az STT-képesség deklarálja a végpontot, a modelltérképet, az elfogadott formátumokat, a kérési módot és egy opcionális végpontváltozót. A Libre a hang továbbítása előtt ellenőrzi a hitelesített felhasználó pontos bővítmény-/modellútvonalát. Tömörítetlen PCM WAV és Opus WebM fájlokat fogad, és ellenőrzi a kiterjesztést, MIME-típust, konténerstruktúrát, kodeket, mintavételi frekvenciát, csatornákat, a dekódolt méret arányát és az időtartamot. A kérések globális korlátja 25 MiB és 300 másodperc (vagy a manifest alacsonyabb korlátja), felhasználónként két, példányonként hat egyidejű átírással. A rendszer megszakítja őket, ha a böngésző leválik vagy a megújítható megosztott engedély elveszik. Team módban a Redis beléptetés hibája biztonságosan lezárja a hozzáférést, és nem hoz létre replikánként külön korlátot.

A szolgáltatói hitelesítő adatok a backendben maradnak. A Libre elutasítja az átirányításokat, így az Authorization fejléc vagy a felvétel nem kerülhet másik hosthoz. A szolgáltató hitelesítési hibája upstream hibaként jelenik meg, nem pedig lejárt Libre-munkamenetként.

Használjon HTTPS-t mind a Libre WebUI eredetéhez, mind a távoli szolgáltatókhoz. A böngészők nem adnak mikrofon-hozzáférést nem biztonságos távoli eredetnek, a Libre pedig nem kínál beszédútvonalat biztonságos média-API-k nélkül. A szolgáltató saját feltételei szerint megőrizheti vagy feldolgozhatja a felvételeket; érzékeny szöveg diktálása előtt ellenőrizze a szabályzatát.