VoiceStudio：兼容 OpenAI 的 ASR¶

将转录指向任意一个暴露了兼容 OpenAI 的 POST /v1/audio/transcriptions 端点的服务器：同一台机器上的 gigastt、LM Studio 或 llama.cpp 风格的服务器；你网络中的自托管 Qwen3-ASR/FunASR/SenseVoice 设备；Groq；或 OpenAI 的 Whisper API。在此模式下，VoiceStudio 是纯客户端，因此模型安装和计算均由所配置的服务器负责。

设置¶

所有内容都在一个屏幕上——Model Catalogue 的 ASR 标签页：

1. 在配置服务器之前，OpenAI 兼容（远端服务器） 一行显示为不可用。当选中 ASR 标签页时，配置面板会出现在引擎列表下方。
2. 将 Server URL 设置为你的服务器的基础 URL（参见下方示例）。
3. 将 Model 设置为你的服务器所期望的值（OpenAI 的 API 用 whisper-1；否则请查看服务器文档或它的 /v1/models 列表）。
4. API key 是可选的——许多自托管服务器无需 key 即可接受请求。如果你的服务器要求认证，就设置它。该 key 会以加密形式存储在你的机器上，并且除了你配置的服务器之外，不会显示或发送到任何地方。
5. 点击 Test connection。这会保存这些字段，然后向服务器发送一个极小的 GET /models 请求——不会上传音频，也不会转录任何内容。成功时你会看到往返延迟（以及你配置的模型是否在服务器列表中）；失败时则会看到具体的错误（无法访问 / 超时 / key 被拒绝 / HTTP 状态）。
6. 点击引擎行上的 Use，将其设为当前使用的 ASR 引擎——这是每个引擎家族都有的同一个选择器。高级用户也可以在启动前用 OMNIVOICE_ASR_BACKEND=openai-compat-asr 来固定它；环境变量始终优先于“设置”中的选择。

配置更改会在下一次转录时生效——无需重启。该引擎默认从不主动启用：VoiceStudio 的 ASR 自动检测只会选择本地引擎，而且应用在该引擎未配置的情况下也能完整运行。

示例¶

纯 HTTP 仅对 localhost、127.0.0.1 和 ::1 这样的确切回环主机接受。所有非回环端点必须使用 HTTPS。VoiceStudio 不会跟随转录或连接探测请求的重定向。

本地服务器实现的端点各不相同——如果 Test connection 报告服务器可达但没有列出模型，转录可能仍然可以工作；运行一次小型听写或配音转录来确认。

响应格式¶

后端更倾向于使用 response_format=verbose_json 来获取真实的逐段时间戳（OpenAI 的 API 和大多数兼容服务器都支持它）；如果你的服务器拒绝该格式，则会自动回退到纯文本。两种路径都不会返回词级时间戳——这不是此 API 的一部分。

当此引擎服务于 VoiceStudio 自身的 /v1/audio/transcriptions 时，调用方的 language、prompt 和 temperature 会被转发给你的服务器，并且 /v1/audio/translations 会调用你的服务器的 /audio/translations。

隐私说明¶

音频只会发送到你配置的服务器。类似 gigastt 示例的回环 URL 会使其保留在同一台机器上，并且可以使用 HTTP。局域网和公共端点要求 HTTPS，且不会跟随重定向。在发送任何敏感内容之前，请检查所配置服务器的数据处理方式。