AIRI 桌面端本地语音识别ASR/STT配置指南无需云端 API Key 的端侧转写实战【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本篇技术指南讲解 AIRI 桌面版中专用的**本地语音识别ASR/STT**服务商——App (Local)——的完整配置流程、验证方法与故障排查思路。AIRI 桌面版Electron 应用允许你完全脱离云端转写服务仅使用本机磁盘与计算资源完成语音到文本的转写适合注重隐私、希望减少对云端 API 依赖的用户。读完本文你将掌握在设置 → 服务商 → 语音识别中启用本地转写、在设置 → 听觉中接入听觉通道、以及通过短语音输入快速验证配置是否生效的完整闭环。为什么选择桌面端本地语音识别AIRI 的语音识别语音转文字STT/ASR服务商分为云端与本地两类云端服务商如 OpenAI Whisper、Azure Speech 等需要配置 API Key 并将音频上传至远端推理而本地服务商则在本机完成模型加载与推理。选择本地转写带来的直接收益包括无需云端 API Key不产生按量计费的转写费用也不依赖网络可达性隐私可控语音数据不出设备音频内容不经过任何第三方服务离线可用模型就绪后转写过程不依赖互联网。作为代价本地模型会占用本机磁盘空间与 CPU/GPU 等计算资源转写延迟与设备性能直接相关。从源码结构看本地音频服务商被集中定义在 local-audio 服务商注册表 中其中包括App (Local)与Browser (Local)两组本文聚焦仅面向桌面版的App (Local)。第一步确认桌面端环境在开始配置前需要确认两个前提条件使用 AIRI 桌面版App (Local)服务商不会出现在网页版中仅在桌面版macOS / Windows 的 Electron 客户端可见设备资源充足确保本机有足够的磁盘空间用于存放本地模型并有足够的计算资源CPU / GPU 与内存支撑实时推理。源码佐证桌面版专属限制从服务商注册实现可以清晰看到这一点providerAppLocalAudioTranscription 与providerAppLocalAudioSpeech均通过isAvailableBy: isStageTamagotchi声明可用性条件。isStageTamagotchi来自proj-airi/stage-shared用于判断当前是否运行在 AIRI 桌面版stage-tamagotchi环境。因此在网页版中该服务商的isAvailableBy校验不通过服务商列表中不会出现在桌面版中服务商才会被注册并展示。这也解释了文档中“该服务商不会在网页版出现”这一行为背后的实现逻辑——它并非网络请求失败或隐藏菜单而是可用性守卫在入口处直接拦截。第二步在 AIRI 中配置配置分为两个阶段先在服务商目录中完成App (Local)的添加再在听觉设置中启用。2.1 添加语音识别服务商打开 AIRI 桌面版进入设置 → 服务商 → 语音识别在服务商列表中找到App (Local)并添加选择可用模型等待本地模型准备完成。2.2 认识 App (Local) 服务商的配置项从 local-audio 服务商实现 可以看到App (Local)的配置结构zod schema包含两个可选字段字段类型默认值说明apiKeystring可选无API Key本地推理通常无需填写可留空baseUrlstring可选本地服务地址配置校验器要求其为非空值其中baseUrl会被 normalizeBaseUrl 规范化处理去除首尾空白若末尾缺少/则自动补全。该服务商通过 createOpenAI 构建一个 OpenAI 兼容的本地推理端点转写调用会被包装为支持额外参数的transcription方法。在语音识别服务商目录中语音识别Transcription类别的服务商负责将语音转为文字用于“听觉”通道语音合成TTS类别的服务商负责将文字转为语音。App (Local)同时提供两类任务转写服务商声明的任务集合为[speech-to-text, automatic-speech-recognition, asr, stt]并且其转写能力被标记为generateOutput: true、streamOutput: false、streamInput: false即一次性生成完整转写文本、不采用流式输出/输入模式。2.3 在听觉设置中启用完成模型准备后进入设置 → 听觉将语音识别来源切换为已配置好的本地转写服务商并启用此时 AIRI 的听觉通道将使用本地模型处理麦克风捕获的音频。需要说明的是本文档描述的App (Local)依赖应用内集成的本地转写引擎仓库中还存在另一条面向 macOS 的系统级本地转写路径Apple Speech服务商apple-speech-transcription使用 macOS 26 及以上系统的内置语音识别能力同样无需 API Key见 Apple Speech 转写服务注册 与 i18n 中的服务商描述。若你的运行平台是 macOS 26也可将其作为备选方案。第三步验证配置配置完成后通过一次真实语音输入验证整条链路授权麦克风首次使用时允许 AIRI 使用系统麦克风macOS 在“系统设置 → 隐私与安全性 → 麦克风”中管理Windows 在“设置 → 隐私 → 麦克风”中管理进行短语音输入对 AIRI 说一段简短、清晰的语音检查识别结果识别出的文字能显示在 AIRI 界面中即表示配置成功。从源码看验证链路从源码结构可以推断桌面版的听觉链路大致如下主进程由 stage-tamagotchi 主进程入口 通过依赖注入注册modules:apple-speech-transcription等服务并将本地转写/语音相关模块纳入核心应用生命周期见 主进程模块依赖声明渲染进程听觉输入通道由 use-hearing-input-channel 等组合式函数管理设置界面中的听觉配置组件见 controls-island-hearing-config.vue。当你在界面中看到识别文字时意味着“麦克风捕获 → 音频预处理 → 本地模型推理 → 转写文本回传 → 界面渲染”整条链路已全部打通。排查若配置后无法正常使用可按下表逐一排查现象可能原因排查动作服务商列表中没有 App (Local)运行的不是桌面版确认使用的是 AIRI 桌面版网页版不提供该服务商模型准备失败磁盘空间不足 / 设备资源不够检查磁盘剩余空间与 CPU、内存占用必要时清理空间后重试无识别文字结果麦克风权限未授予检查系统设置中 AIRI 的麦克风权限授权后重试常见问题补充权限问题麦克风权限被系统拦截时转写请求不会报出模型错误而是静默地得不到任何文字结果——这是“没有文字结果”时最先应检查的项目资源问题本地模型首次加载需要下载/解包模型文件并载入内存首次耗时明显高于后续调用属正常现象若磁盘过满模型文件落盘失败会直接导致“模型准备失败”服务商缺失该服务商由可用性守卫isAvailableBy控制展示若当前为网页版无论怎样刷新都无法看到它请切换到桌面版。局限与适用场景从源码与文档可以明确以下边界App (Local)仅在 AIRI 桌面版可用无法在浏览器中使用转写使用本机资源性能取决于设备硬件低配置设备上可能出现转写延迟本地模型需要占用磁盘空间存放模型文件转写能力为非流式streamOutput: false、streamInput: false输出为一次性生成的结果。推荐适用场景隐私敏感环境、离线或弱网环境、希望控制转写成本无按量计费的 API 消耗的桌面用户。配置完成后结合 语音输入生命周期管理 与 语音输入抑制逻辑AIRI 桌面版即可在纯本地条件下完成“听”的闭环为后续对话、记忆与行为决策提供文字输入。【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 
长河君 · 2026/9/12 16:02:44 · 阅读 1.2k AIRI 桌面端本地语音识别（ASR/STT）配置指南：无需云端 API Key 的端侧转写实战
AIRI 桌面端本地语音识别ASR/STT配置指南无需云端 API Key 的端侧转写实战【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本篇技术指南讲解 AIRI 桌面版中专用的**本地语音识别ASR/STT**服务商——App (Local)——的完整配置流程、验证方法与故障排查思路。AIRI 桌面版Electron 应用允许你完全脱离云端转写服务仅使用本机磁盘与计算资源完成语音到文本的转写适合注重隐私、希望减少对云端 API 依赖的用户。读完本文你将掌握在设置 → 服务商 → 语音识别中启用本地转写、在设置 → 听觉中接入听觉通道、以及通过短语音输入快速验证配置是否生效的完整闭环。为什么选择桌面端本地语音识别AIRI 的语音识别语音转文字STT/ASR服务商分为云端与本地两类云端服务商如 OpenAI Whisper、Azure Speech 等需要配置 API Key 并将音频上传至远端推理而本地服务商则在本机完成模型加载与推理。选择本地转写带来的直接收益包括无需云端 API Key不产生按量计费的转写费用也不依赖网络可达性隐私可控语音数据不出设备音频内容不经过任何第三方服务离线可用模型就绪后转写过程不依赖互联网。作为代价本地模型会占用本机磁盘空间与 CPU/GPU 等计算资源转写延迟与设备性能直接相关。从源码结构看本地音频服务商被集中定义在 local-audio 服务商注册表 中其中包括App (Local)与Browser (Local)两组本文聚焦仅面向桌面版的App (Local)。第一步确认桌面端环境在开始配置前需要确认两个前提条件使用 AIRI 桌面版App (Local)服务商不会出现在网页版中仅在桌面版macOS / Windows 的 Electron 客户端可见设备资源充足确保本机有足够的磁盘空间用于存放本地模型并有足够的计算资源CPU / GPU 与内存支撑实时推理。源码佐证桌面版专属限制从服务商注册实现可以清晰看到这一点providerAppLocalAudioTranscription 与providerAppLocalAudioSpeech均通过isAvailableBy: isStageTamagotchi声明可用性条件。isStageTamagotchi来自proj-airi/stage-shared用于判断当前是否运行在 AIRI 桌面版stage-tamagotchi环境。因此在网页版中该服务商的isAvailableBy校验不通过服务商列表中不会出现在桌面版中服务商才会被注册并展示。这也解释了文档中“该服务商不会在网页版出现”这一行为背后的实现逻辑——它并非网络请求失败或隐藏菜单而是可用性守卫在入口处直接拦截。第二步在 AIRI 中配置配置分为两个阶段先在服务商目录中完成App (Local)的添加再在听觉设置中启用。2.1 添加语音识别服务商打开 AIRI 桌面版进入设置 → 服务商 → 语音识别在服务商列表中找到App (Local)并添加选择可用模型等待本地模型准备完成。2.2 认识 App (Local) 服务商的配置项从 local-audio 服务商实现 可以看到App (Local)的配置结构zod schema包含两个可选字段字段类型默认值说明apiKeystring可选无API Key本地推理通常无需填写可留空baseUrlstring可选本地服务地址配置校验器要求其为非空值其中baseUrl会被 normalizeBaseUrl 规范化处理去除首尾空白若末尾缺少/则自动补全。该服务商通过 createOpenAI 构建一个 OpenAI 兼容的本地推理端点转写调用会被包装为支持额外参数的transcription方法。在语音识别服务商目录中语音识别Transcription类别的服务商负责将语音转为文字用于“听觉”通道语音合成TTS类别的服务商负责将文字转为语音。App (Local)同时提供两类任务转写服务商声明的任务集合为[speech-to-text, automatic-speech-recognition, asr, stt]并且其转写能力被标记为generateOutput: true、streamOutput: false、streamInput: false即一次性生成完整转写文本、不采用流式输出/输入模式。2.3 在听觉设置中启用完成模型准备后进入设置 → 听觉将语音识别来源切换为已配置好的本地转写服务商并启用此时 AIRI 的听觉通道将使用本地模型处理麦克风捕获的音频。需要说明的是本文档描述的App (Local)依赖应用内集成的本地转写引擎仓库中还存在另一条面向 macOS 的系统级本地转写路径Apple Speech服务商apple-speech-transcription使用 macOS 26 及以上系统的内置语音识别能力同样无需 API Key见 Apple Speech 转写服务注册 与 i18n 中的服务商描述。若你的运行平台是 macOS 26也可将其作为备选方案。第三步验证配置配置完成后通过一次真实语音输入验证整条链路授权麦克风首次使用时允许 AIRI 使用系统麦克风macOS 在“系统设置 → 隐私与安全性 → 麦克风”中管理Windows 在“设置 → 隐私 → 麦克风”中管理进行短语音输入对 AIRI 说一段简短、清晰的语音检查识别结果识别出的文字能显示在 AIRI 界面中即表示配置成功。从源码看验证链路从源码结构可以推断桌面版的听觉链路大致如下主进程由 stage-tamagotchi 主进程入口 通过依赖注入注册modules:apple-speech-transcription等服务并将本地转写/语音相关模块纳入核心应用生命周期见 主进程模块依赖声明渲染进程听觉输入通道由 use-hearing-input-channel 等组合式函数管理设置界面中的听觉配置组件见 controls-island-hearing-config.vue。当你在界面中看到识别文字时意味着“麦克风捕获 → 音频预处理 → 本地模型推理 → 转写文本回传 → 界面渲染”整条链路已全部打通。排查若配置后无法正常使用可按下表逐一排查现象可能原因排查动作服务商列表中没有 App (Local)运行的不是桌面版确认使用的是 AIRI 桌面版网页版不提供该服务商模型准备失败磁盘空间不足 / 设备资源不够检查磁盘剩余空间与 CPU、内存占用必要时清理空间后重试无识别文字结果麦克风权限未授予检查系统设置中 AIRI 的麦克风权限授权后重试常见问题补充权限问题麦克风权限被系统拦截时转写请求不会报出模型错误而是静默地得不到任何文字结果——这是“没有文字结果”时最先应检查的项目资源问题本地模型首次加载需要下载/解包模型文件并载入内存首次耗时明显高于后续调用属正常现象若磁盘过满模型文件落盘失败会直接导致“模型准备失败”服务商缺失该服务商由可用性守卫isAvailableBy控制展示若当前为网页版无论怎样刷新都无法看到它请切换到桌面版。局限与适用场景从源码与文档可以明确以下边界App (Local)仅在 AIRI 桌面版可用无法在浏览器中使用转写使用本机资源性能取决于设备硬件低配置设备上可能出现转写延迟本地模型需要占用磁盘空间存放模型文件转写能力为非流式streamOutput: false、streamInput: false输出为一次性生成的结果。推荐适用场景隐私敏感环境、离线或弱网环境、希望控制转写成本无按量计费的 API 消耗的桌面用户。配置完成后结合 语音输入生命周期管理 与 语音输入抑制逻辑AIRI 桌面版即可在纯本地条件下完成“听”的闭环为后续对话、记忆与行为决策提供文字输入。【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