aeeeee20d1
- Introduced Volcengine as a new provider for both TTS and ASR services. - Updated configuration files to include Volcengine-specific parameters such as app_id, resource_id, and uid. - Enhanced the ASR service to support streaming mode with Volcengine's API. - Modified existing tests to validate the integration of Volcengine services. - Updated documentation to reflect the addition of Volcengine as a supported provider for TTS and ASR. - Refactored service factory to accommodate Volcengine alongside existing providers.
1.3 KiB
1.3 KiB
语音识别
语音识别（ASR）负责将用户音频实时转写为文本，供对话引擎理解。
模式
offline：引擎本地缓冲音频后触发识别（适用于 OpenAI-compatible / SiliconFlow）。streaming：音频分片实时发送到服务端，服务端持续返回转写事件（适用于 DashScope Realtime ASR、Volcengine BigASR）。
配置项
| 配置项 | 说明 |
|---|---|
| ASR 引擎 | 选择语音识别服务提供商 |
| 模型 | 识别模型名称 |
enable_interim |
是否开启离线 ASR 中间结果（默认 false，仅离线模式生效） |
app_id / resource_id |
Volcengine 等厂商的应用标识与资源标识 |
request_params |
厂商原生请求参数透传，例如 end_window_size、force_to_speech_time、context |
| 语言 | 中文/英文/多语言 |
| 热词 | 提升特定词汇识别准确率 |
| 标点与规范化 | 是否自动补全标点、文本规范化 |
建议
- 客服场景建议开启热词并维护业务词表
- 多语言场景建议按会话入口显式指定语言
- 对延迟敏感场景优先选择流式识别模型
- 当前支持提供商：
openai_compatible、siliconflow、dashscope、volcengine、buffered（回退）