Airi 接入 CometAPI 语音识别ASR/STT完整配置指南【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 以 OpenAI 兼容接口提供音频转写能力本文基于 Airi 官方文档与仓库源码完整讲解如何获取 API Key、在「Providers → Transcription」中配置 Comet API、通过 Playground 验证配置以及最终在「Modules → Hearing」中启用麦克风实时语音转写。读完本文你将掌握 CometAPI 语音识别从配好凭据到真正开口说话的完整链路并理解底层调用实现。为什么选择 CometAPICometAPI 通过兼容接口提供音频转写Audio Transcription服务。如果你已经在使用 CometAPI 统一管理模型与凭据那么无需再申请新的密钥——直接在 Airi 中复用同一个 API Key 即可开启语音识别无需在多个平台之间来回切换。从源码结构看Airi 将 CometAPI 拆分为三个独立的 Provider 定义全部集中在 packages/stage-ui/src/libs/providers/providers/comet-api/index.tsproviderCometAPI通用 Chat / 模型 Provider任务类型chatproviderCometAPISpeech文本转语音TTS任务类型text-to-speechproviderCometAPITranscription语音转文本任务类型speech-to-text、automatic-speech-recognition、asr、stt也就是本文的主角。三个 Provider 共享同一套配置 SchemaapiKeybaseUrl这也是一个 Key 通吃所有能力的设计基础。第一步获取 API Key登录 CometAPI 控制台Console在 Token 管理页面创建一个新的 API Key确认当前账号可以访问某个音频转写audio-transcription模型然后复制 Key 并妥善保存。⚠️API Key 安全提醒切勿将 API Key 提交到 Git 仓库、不要出现在截图里也不要分享给任何人。在 Airi 的 Provider 设置中API Key 输入框以密码类型呈现正是为了降低泄露风险。第二步在 Airi 中配置 Comet API打开Settings → Providers → Transcription → Comet API完成两项配置API Key填入上一步获取的密钥Base URL保持默认值https://api.cometapi.com/v1/只有在使用代理或兼容网关时才需要修改。这一默认值同样写死在 Provider 定义中见 comet-api/index.ts 的cometApiConfigSchemabaseUrl字段.default(https://api.cometapi.com/v1/)因此界面中留空即使用默认值。对应这个配置页面的完整 UI 实现在 packages/stage-pages/src/pages/settings/providers/transcription/comet-api-transcription.vue页面包含三个核心输入项API Key 输入框ProviderApiKeyInput占位符默认sk-...配置后即视为已配置凭据模型名输入框手动填写要使用的转写模型例如 CometAPI 上架的 OpenAI 系 audio-transcription 模型Base URL 输入框位于「高级设置」区域占位符同样是https://api.cometapi.com/v1/。保存配置后页面会立即执行一次 Provider 校验只有 API Key 非空validationRequiredWhen判断config.apiKey?.trim()非空时才会触发校验校验项为「模型列表可获取」ModelList校验通过会显示成功提示失败则展示错误详情并可通过继续按钮强制跳过校验继续使用。第三步验证配置在 Provider 设置中选择一个可用的转写模型使用同页面内置的转写 PlaygroundTranscriptionPlayground允许麦克风权限录制一段短音频确认能够返回文本。Playground 的调用逻辑会先通过getProviderInstance(comet-api-transcription)实例化 Provider再调用 Hearing store 的transcription()方法将音频文件发送给 CometAPI 并解析结果json响应格式。从源码实现看packages/stage-ui/src/stores/modules/hearing.ts 中的transcription()是整个转写能力的核心对于 CometAPI 这类支持一次性生成的 Provider走generateTranscription路径把provider.transcription(model, options)与音频文件组装成请求发出返回结果会经过normalizeGeneratedTranscriptionText()归一化处理兼容{ text }、{ result: { text } }、{ data: { text } }、{ segments: [...] }等多种 OpenAI 兼容响应结构若开启了置信度过滤confidence-threshold会请求verbose_json格式并依据avg_logprob过滤低置信度片段。同时packages/stage-ui/src/libs/providers/attributes.ts 将comet-api-transcription标记为paidCloud付费云端类型表明该 Provider 依赖在线 API 服务。第四步启用麦克风实时转写仅完成 Provider 页面的测试并不会启用麦克风转写还需要在 Hearing听觉模块中做最终绑定打开Settings → Modules → Hearing完成以下操作在转写 Provider 下拉中选择Comet API选择一个可用的转写模型选择麦克风设备运行Hearing 测试确认能实时看到识别文本。Airi 在 Hearing 模块中维护了独立的激活状态settings/hearing/active-provider与settings/hearing/active-model持久化于 localStorage并由 Pinia 同步机制跨窗口共享。只有这一步选中的 Provider 才是语音输入管线实际使用的转写后端这也解释了为什么Provider 页面测试成功 ≠ 麦克风已启用。针对实时转写Hearing 管线useHearingSpeechInputPipeline会从麦克风MediaStream采集音频、经 VAD语音活动检测切分语音段再通过inputAudioStream流式送入转写请求。需要注意CometAPI 的 Provider 能力定义capabilities为generateOutput: true, streamOutput: false, streamInput: false即它属于一次性请求型转写非流式输出因此实时转写实际表现为VAD 检测到语音段 → 整段发送 → 返回文本的准实时模式而不是逐字流式输出。故障排查如果 Playground 无法完成请求请按以下顺序排查症状检查项请求直接失败 / 报错API Key 是否正确、是否有拼写或多余空格认证错误401 等账号是否有音频转写模型的访问权限网络错误Failed to fetch/Load failed网络连通性、代理设置浏览器开发者工具 Network 面板可进一步区分 CORS、超时、DNS 等具体原因请求成功但无文本返回确认 Airi 已获得麦克风权限浏览器地址栏的麦克风授权状态其中网络类错误在 hearing.ts 中有专门处理浏览器常把 CORS、超时、DNS 失败统一折叠成Failed to fetch代码会提示用户前往浏览器 Network 面板查看具体原因。小结CometAPI 是 Airi 语音识别链路中接入成本最低的选项之一复用既有 Key、填入默认 Base URL、选好模型即可在 Playground 中完成验证再通过 Hearing 模块把转写能力真正挂载到麦克风上。其底层实现Provider 定义 → 设置页 → Hearing 转写管线完整落在 comet-api/index.ts、comet-api-transcription.vue 与 hearing.ts 三个文件中需要进一步定制时可以直接从这些入口深入阅读。【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