Речь в текст

Libre WebUI расшифровывает записи микрофона через активный плагин, объявляющий возможность speech-to-text. Если браузер предоставляет службу распознавания речи, Chat выбирает её по умолчанию; реализация и обработка данных контролируются поставщиком браузера и не обязательно выполняются на устройстве. Чтобы использовать STT поставщика, явно выберите его. Если служба браузера недоступна, Chat выбирает первого совместимого поставщика.

Встроенная поддержка включает:

• модели транскрипции OpenAI через multipart-запрос /v1/audio/transcriptions; и
• модели автоматического распознавания Hugging Face через эндпоинт инференса сырого аудио.

Браузер начинает запись только после нажатия кнопки микрофона. До записи Chat показывает поставщика и уведомление о передаче. Повторное нажатие останавливает запись; во время транскрипции та же кнопка отменяет запрос. Libre вставляет результат в поле сообщения. Запись хранится в памяти на время запроса и не сохраняется Libre WebUI. Переход в другой чат отменяет разрешение микрофона, запись и транскрипцию.

Контракт поставщика

Возможность STT объявляет эндпоинт, карту моделей, форматы, режим запроса и необязательную переменную URL. Libre проверяет точный маршрут плагина/модели аутентифицированного пользователя. Принимаются несжатые PCM WAV и Opus WebM. Перед отправкой проверяются расширение, MIME, структура контейнера, кодек, частота, каналы, соотношение декодированного размера и длительность. Глобальный предел — 25 MiB и 300 секунд (либо меньший лимит манифеста), две одновременные транскрипции на пользователя и шесть на развёртывание. Запрос отменяется при отключении браузера или потере возобновляемого общего разрешения. Сбой Redis admission в team закрывает доступ; независимая квота реплики не создаётся.

Учётные данные остаются на бэкенде. Libre запрещает перенаправления, чтобы заголовок авторизации или аудио не ушли другому хосту. Ошибка аутентификации поставщика показывается как upstream-сбой, а не истёкшая сессия Libre.

Используйте HTTPS для Libre WebUI и удалённых поставщиков. Браузеры не дают микрофон небезопасному удалённому origin, а Libre не объявляет речевые пути без API безопасного origin. Поставщик может хранить или обрабатывать записи по своим условиям, поэтому изучите политику перед диктовкой чувствительного текста.