Мовлення в текст

Libre WebUI розшифровує записи мікрофона через активний плагін, який оголошує можливість перетворення мовлення на текст. Якщо браузер надає службу розпізнавання мовлення, Chat вибирає її типово; реалізацію й обробку даних контролює постачальник браузера, і вони не обов’язково виконуються на пристрої. Щоб використати STT постачальника, явно виберіть його. Якщо служба браузера недоступна, Chat вибирає першого сумісного постачальника.

Вбудована підтримка охоплює:

• моделі транскрипції OpenAI через multipart-запит /v1/audio/transcriptions; і
• моделі автоматичного розпізнавання Hugging Face через кінцеву точку виведення необробленого аудіо.

Браузер починає запис лише після натискання кнопки мікрофона. До запису Chat показує постачальника й повідомлення про передавання. Повторне натискання зупиняє запис; під час транскрипції та сама кнопка скасовує запит. Libre вставляє результат у поле повідомлення. Запис зберігається в пам’яті на час запиту й не записується Libre WebUI. Перехід до іншого чату скасовує дозвіл мікрофона, запис і транскрипцію.

Контракт постачальника

Можливість STT оголошує кінцеву точку, карту моделей, формати, режим запиту й необов’язкову змінну адреси. Libre перевіряє точний маршрут плагіна/моделі автентифікованого користувача. Приймаються нестиснені PCM WAV і Opus WebM. До надсилання перевіряються розширення, MIME, структура контейнера, кодек, частота, канали, співвідношення декодованого розміру й тривалість. Загальний ліміт — 25 MiB і 300 секунд (або менший ліміт маніфесту), дві одночасні транскрипції на користувача й шість на розгортання. Запит скасовується після від’єднання браузера або втрати поновлюваного спільного дозволу. Збій допуску Redis у team закриває доступ; незалежна квота репліки не створюється.

Облікові дані залишаються на серверній частині. Libre забороняє переспрямування, щоб заголовок авторизації чи аудіо не пішли іншому хосту. Помилка автентифікації постачальника показується як збій вищої служби, а не завершений сеанс Libre.

Використовуйте HTTPS для Libre WebUI й віддалених постачальників. Браузери не дають мікрофон незахищеному віддаленому джерелу, а Libre не оголошує мовленнєві шляхи без API захищеного джерела. Постачальник може зберігати чи обробляти записи за власними умовами, тому ознайомтеся з політикою до диктування чутливого тексту.