AIRI 语音转写接入 CometAPI从 API Key 配置到麦克风实时听写全指南【免费下载链接】airi Self hosted, you-owned Grok Companion, a container of souls of waifu, cyber livings to bring them into our worlds, wishing to achieve Neuro-samas altitude. Capable of realtime voice chat, Minecraft, Factorio playing. Web / macOS / Windows supported.项目地址: https://gitcode.com/GitHub_Trending/ai/airiCometAPI 是一个提供统一模型网关与凭据管理的云端服务AIRI自托管的 AI 伙伴通过其 OpenAI 兼容接口接入音频转写ASR/STT能力。本文以 docs/content/ko/docs/manual/config/providers/transcription/comet-api.md 为骨架结合仓库内提供者注册、设置页面与听觉Hearing模块的源码实现完整讲解从申请 API Key、在提供者页面配置并验证到在「听觉」模块启用麦克风实时转写、以及常见问题排查的完整闭环。读完本文你将能在 AIRI 中一键复用已有的 CometAPI 凭据把语音转文本能力真正接入对话流程。为什么选择 CometAPI一套凭据多处复用CometAPI 通过兼容接口提供音频转写服务这意味着它在 AIRI 中扮演的是一个「OpenAI 兼容转写网关」的角色。选择它的核心价值在于如果你此前已经使用 CometAPI 管理模型与凭据那么同一个 API Key 可以直接在 AIRI 中复用于语音识别无需为语音转写单独申请、单独维护一套密钥体系。从仓库源码看这一设计体现在提供者定义中CometAPI 在 packages/provider-inference/src/providers/cloud/comet-api/index.ts 里同时注册了三个提供者变体共享同一个配置 Schemacomet-api负责 Chat对话补全与模型列表comet-api-speech负责文本转语音TTScomet-api-transcription负责语音转文本STT/ASR。三者的配置结构完全一致apiKeybaseUrl因此在设置页填好一次凭据就能在不同能力间复用这正是「同一 Key 多处使用」的源码级印证。前置准备申请 API Key在开始配置前需要先完成以下两步登录 CometAPI 控制台的Token 管理页面创建一个 API Key创建后仅展示一次请立即复制保存。确认你的 CometAPI 账号拥有音频转写模型的访问权限——如果账号没有相应模型权限后续验证请求将无法完成。API Key 安全注意事项不要把 API Key 提交commit进代码仓库尤其是公开仓库不要在截图、日志或演示录像中暴露完整密钥不要与任何人共享你的 Key。API Key 属于高敏感凭据泄露后他人可借用你的账号消费额度。AIRI 设置页中 API Key 输入框使用password类型的掩码输入见 comet-api-transcription.vue存储时也应遵循仓库中凭据持久化的既有约定。在 AIRI 中配置转写提供者操作路径打开设置 → 提供者 → 转写 → Comet API进入 CometAPI 转写提供者的专属设置页。该页面由 comet-api-transcription.vue 渲染页面内包含三个配置区基本设置Basic SettingsAPI Key粘贴上一步申请到的密钥。设置页会通过useProviderValidation自动校验配置是否可用未配置 Key 时页面会给出校验失败提示并允许通过「强制继续」按钮跳过校验源码中对应的forceValid逻辑。模型名称Model Name需要填写 CometAPI 模型目录中精确的模型 ID。例如常用的语音转写模型为whisper-1。设置页中的模型输入框 placeholder 即为whisper-1风格的手动输入模型名源码见 comet-api-transcription.vue而在听觉模块中未列出模型时的输入占位符同样是whisper-1见 hearing.vue。注意模型 ID 必须与 CometAPI 模型目录中的完全一致否则请求会被模型不存在或无权访问的错误拒绝。高级设置Advanced SettingsBase URL默认值为https://api.cometapi.com/v1/保持默认即可。只有在使用代理、兼容网关或自建中转时才需要修改。这一默认值在源码中有双重确认提供者配置 Schema 中baseUrl字段的默认值就是https://api.cometapi.com/v1/见 comet-api/index.ts同时设置页输入框的 placeholder 也回退到这个地址见 comet-api-transcription.vue。底层实现原理从源码层面理解上述配置字段的实际作用配置 Schema 由zod定义apiKey为必填字符串baseUrl可选且默认https://api.cometapi.com/v1/createProvider通过merge组合createModelProvider与createTranscriptionProvider两者共用同一个apiKey与baseURL该提供者声明的任务类型为speech-to-text/automatic-speech-recognitionASR / STT并声明转写能力transcription: { protocol: http, generateOutput: true, streamOutput: false, streamInput: false }——即采用 HTTP 请求-响应模式不支持流式输入与流式输出见 comet-api/index.ts。这一特性决定了听觉模块中相关选项如流式输入开关、置信度阈值的可用性下文会进一步说明。验证配置使用转写 Playground配置完成后建议先在同一页面的转写 Playground中验证连通性步骤如下在提供者设置页确认模型名称填入了 CometAPI 模型目录中的精确模型 ID在页面的 Transcription Playground 中允许浏览器访问麦克风录制一段简短的语音样本触发转写请求若配置正确Playground 会返回对应的文本结果。Playground 的实现同样在该设置页源码中handleGenerateTranscription通过providersStore.getProviderInstance拿到已配置的转写提供者实例调用hearingStore.transcription(providerId, provider, model, file, json)生成转写结果见 comet-api-transcription.vue。在 hearing.ts 的transcription函数中可以看到统一的转写调用链它会根据提供者的能力特性supportsStreamOutput/supportsStreamInput自动选择流式或非流式执行路径并内置埋点统计 STT 延迟、成功与失败事件trackSttSucceeded/trackSttFailed。对于 CometAPI 这种非流式提供者传入File后走provider.transcription(model)的标准 OpenAI 兼容转写请求。注意仅在提供者页面测试并不会启用麦克风实时转写。要让语音转写真正进入日常对话流程还需要在「听觉」模块中完成激活见下一节。启用麦克风转写听觉Hearing模块在 CometAPI 提供者验证通过后按以下步骤启用实时麦克风转写打开设置 → 模块 → 听觉Hearing在提供者选择区选择Comet API确认所选模型与提供者设置页的模型名称保持一致选择音频输入设备麦克风点击启动按钮运行听觉测试确认说话时能实时产生转写文本。该页面由 hearing.vue 实现其工作流程包含麦克风权限申请与音频流捕获askPermission/startStream、语音活动检测VAD与音量阈值检测、语音段分割以及转写结果的实时展示。页面还提供以下与转写体验直接相关的参数置信度阈值Confidence Threshold仅对非流式提供者显示。由于 CometAPI 声明streamOutput: false/streamInput: false属于非流式提供者因此该滑块会出现在听觉页面中用于过滤低置信度的转写结果可设为「禁用」。verbose_json格式支持与否也会在此提示。自动发送Auto-send可将转写文本在设定延迟后自动发送到对话避免手动确认。默认关闭启用后默认延迟 2000ms对应源码中autoSendDelay的默认值见 hearing.ts。注意自动发送会消耗 token若想先人工校对再发送建议保持关闭。语音检测方式可选择「基于模型」VAD 模型可调敏感度阈值 0.10.9 与静音结束时长 2001500ms或「基于音量」阈值 1%80%。这些配置项与activeTranscriptionProvider、activeTranscriptionModel一同保存在本地存储中settings/hearing/active-provider、settings/hearing/active-model等键切换设备或提供者时会自动重启监听会话保证配置变更即时生效。问题排查现象排查方向Playground 中请求一直无法完成/超时检查API Key是否正确、账号是否具有音频转写模型权限、网络连接是否可达 CometAPI 网关转写请求成功但没有文本返回检查模型名称是否与 CometAPI 模型目录中的 ID 完全一致如whisper-1听觉模块没有输出文本确认 AIRI已获得麦克风访问权限浏览器/系统权限且听觉页面选择了正确的音频输入设备与提供者提示校验失败确认 Base URL 未被误改应保持默认https://api.cometapi.com/v1/确认 API Key 无多余空格另外需要特别提醒CometAPI 转写不支持流式输入/输出如果在听觉页面发现流式相关选项不可用或表现与流式提供者不同这是由提供者自身能力声明决定的正常行为而非配置错误。相关实现与延伸阅读如果想深入理解 CometAPI 提供者的完整实现可以继续阅读以下仓库文件提供者定义chat / speech / transcription 三种变体配置 Schema、默认 Base URL、能力声明与校验器CometAPI 转写设置页API Key / 模型 / Base URL 表单与 Playground 集成听觉模块设置页麦克风选择、提供者切换、VAD、自动发送与置信度阈值听觉状态与转写调用链transcription函数的流式/非流式分发与埋点逻辑其他语言版本的同一篇配置指南英文版、简体中文版提供者能力清单相关测试provider-definitions.test.ts。以上流程适用于 Web、macOS 与 Windows 端的 AIRI。配置完成后你的 AIRI 就能通过 CometAPI 实现「说话即输入」的实时语音转写体验。【免费下载链接】airi Self hosted, you-owned Grok Companion, a container of souls of waifu, cyber livings to bring them into our worlds, wishing to achieve Neuro-samas altitude. Capable of realtime voice chat, Minecraft, Factorio playing. Web / macOS / Windows supported.项目地址: https://gitcode.com/GitHub_Trending/ai/airi创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考