Распознавание и синтез речи — руководство AI Server Manager
Все разделы руководства · Генерация 3D
Аудио в текст, текст в речь и необходимые модели для голосового диалога.
Руководство для ветки 1.0.36. Доступность функций зависит от установленной сборки, оборудования, лицензии и прав пользователя.
Аудио в текст
Для распознавания нужна совместимая модель, например из поддерживаемых семейств Whisper, FunASR или ONNX ASR. Выбирайте модель и формат из аудиокаталога; похожее название не гарантирует совместимость.
- Скачайте и запустите модель распознавания.
- Откройте соответствующий аудиораздел и выберите готовую модель.
- Загрузите небольшой аудиофайл или используйте доступный режим записи.
- Укажите язык и остальные поддерживаемые параметры.
- Запустите распознавание и проверьте текст по исходной записи.
- Сохраните результат доступным способом.
Разделение по говорящим, временные отметки и потоковый ввод зависят от модели. Не все варианты распознавания предоставляют одинаковые функции.
Текст в речь
Для озвучивания нужна отдельная TTS-модель. Поддерживаемые семейства, например CosyVoice, Pocket TTS, Qwen3-TTS или OmniVoice, отличаются языками, голосами и дополнительными возможностями.
- Подготовьте и запустите совместимую модель озвучивания.
- Выберите её в разделе синтеза речи.
- Введите короткую фразу и выберите доступный голос или поддерживаемый референс.
- Запустите синтез и прослушайте результат.
- После удачного теста переходите к более длинному тексту.
Используйте голосовые референсы только с необходимым согласием и правами. Наличие поля для образца не означает, что любая модель поддерживает клонирование голоса.
Голосовой чат
Для полного диалога нужны распознавание речи, текстовая модель и синтез речи. Если одна часть не запущена, остальные не заменят её автоматически. Дополнительный Voice Agent настраивается как отдельное приложение.
Если запись не начинается, проверьте выбранный микрофон и разрешение браузера. Если текст распознан, но ответ не озвучивается, проверьте готовность TTS-модели и настройки воспроизведения.
Качество и приватность
Для первого теста используйте короткую запись без музыки и постороннего шума. Перепроверяйте имена, суммы и даты. Не загружайте чужие разговоры и конфиденциальные материалы без разрешения.
---
Назад: Генерация видео · Далее: Генерация 3D