使用 Vosk 进行语音转文字
Vosk 是不依赖 Whisper 或云端语音转文字 API 的 VibeKeys 用户的良好替代方案。它是在遥控模式下启用语音输入的简单方式。
什么是 Vosk
Vosk 是一个开源语音识别引擎，可以在本地运行语音转文字。在 vibetty 中，Vosk 选项以 WebVosk 的形式提供，在浏览器中运行语音识别，而不是将音频发送到服务器端的 Whisper API。
对于 VibeKeys，Vosk 在以下情况下很有用：
- 你不想使用 Whisper
- 你不想使用远程转写服务
- 你想要不需要 API 密钥的语音转文字
- 你更喜欢在浏览器中使用 Vosk 模型进行语音识别
如何启用 Vosk 语音转文字
启动 vibetty 并启用 WebVosk ASR 平台：
ASR_PLATFORM=web_vosk cargo run -- -- claude
如果你使用已编译的二进制文件，在启动 vibetty 之前设置相同的环境变量。
然后在浏览器中打开 WebVosk 界面：
http://localhost:3000/vosk
首次使用 WebVosk 时，浏览器会下载所需的 Vosk 模型文件。初始下载每个模型约 40 MB，之后模型会缓存在浏览器中。
模型下载完成后：
- 保持
vibetty以ASR_PLATFORM=web_vosk运行。 - 打开
http://localhost:3000/vosk。 - 如果浏览器提示，允许麦克风访问。
- 在 WebVosk 页面中点击
Connect。 - 当页面显示
Ready - Waiting for audio...时，按下Voice按钮并开始说话。
如果你当前的设置使用了 Whisper 变量（如 ASR_API_KEY、ASR_URL 和 ASR_MODEL=whisper-large-v3），使用 WebVosk 时不需要这些。改用 ASR_PLATFORM=web_vosk 即可。
何时使用 Vosk
如果你想要简单的本地语音转文字方案，选择 Vosk。如果你想要更高的转写质量并且已有支持的模型或 API，选择 Whisper。
参考
这些步骤基于 vibetty README 中 WebVosk 浏览器端设置部分：