Conversão de fala em texto
O Libre WebUI pode transcrever gravações do microfone por meio de um plugin ativo que declare a capacidade de conversão de fala em texto. Quando o navegador disponibiliza seu serviço de reconhecimento de fala, o Chat seleciona esse serviço por padrão; sua implementação e seu tratamento de dados são controlados pelo fornecedor do navegador e não ocorrem necessariamente no dispositivo. Selecione explicitamente um provedor identificado para usar STT fornecido por ele. Quando o serviço do navegador não está disponível, o Chat seleciona o primeiro provedor compatível.
O suporte incluído abrange:
- modelos de transcrição da OpenAI por meio de uma solicitação multipart
/v1/audio/transcriptions; e - modelos de reconhecimento automático de fala do Hugging Face por meio de seu endpoint de inferência de áudio bruto.
O navegador só grava depois que o usuário pressiona o botão do microfone. Antes da gravação, o Chat mostra o provedor selecionado e o aviso de transferência. Pressione o botão novamente para interromper a gravação; enquanto a transcrição estiver em andamento, o mesmo botão cancela a solicitação ao provedor. O Libre insere a transcrição retornada no campo de composição. A gravação permanece na memória durante a solicitação e não é salva pelo Libre WebUI. Navegar para outra conversa cancela solicitações pendentes de permissão do microfone, gravação e transcrição.
Contrato do provedor
Uma capacidade de STT declara um endpoint, um mapa de modelos, os formatos aceitos, o modo da solicitação e uma variável de endpoint opcional. O Libre valida a rota exata de plugin/modelo do usuário autenticado antes de encaminhar o áudio. Atualmente, o Libre aceita gravações PCM WAV sem compressão e Opus WebM. Ele valida a extensão do nome do arquivo, o tipo MIME declarado, a estrutura do contêiner, o identificador do codec, a taxa de amostragem, os canais, a proporção do tamanho decodificado e a duração antes de encaminhar o áudio. As solicitações têm limite global de 25 MiB e 300 segundos (ou um limite menor do manifesto), com no máximo duas transcrições simultâneas por usuário e seis em toda a implantação, e são interrompidas quando o navegador se desconecta ou quando a permissão compartilhada renovável de admissão é perdida. Uma falha de admissão do Redis no modo equipe falha de forma fechada; ela nunca cria uma cota independente por réplica.
As credenciais do provedor permanecem no backend. O Libre recusa redirecionamentos para que um cabeçalho de autorização ou uma gravação de áudio não possa ser encaminhado a outro host. Falhas de autenticação do provedor são apresentadas como falha do serviço upstream, e não como uma sessão expirada do Libre.
Use HTTPS na origem do Libre WebUI e nos provedores remotos. Os navegadores não disponibilizam a captura do microfone para uma origem remota insegura, e o Libre não anuncia nenhum dos caminhos de fala se o navegador não expuser suas APIs de mídia de origem segura. O provedor pode reter ou processar gravações de acordo com seus próprios termos; portanto, analise essa política antes de ditar texto confidencial.