企业官网建设流程全解析

• AI 应用
• 人工智能
• 大模型
• 数字人
• AI Agent
• 语音
• 前端
• 后端

浏览器本地语音识别（Browser (Local) 转写提供者）是 AIRI 中面向网页端设计、目标为“本地模型、无需云端 API Key”的语音转文字（ASR/STT）方案。本文以 browser-local.md 文档 为骨架，结合源码核实该提供者目前的真实状态：它在当前仓库中仍处于 Work in Progress 占位阶段，不可配置、不可启用，并给出替代方案与从源码结构推断出的未来启用条件。阅读本文后，你将明确该提供者的现状边界，知道为什么它在设置页中只显示占位符，以及在真正需要浏览器本地 ASR 时应改用哪条路径。

文档核心事实：当前不可用

韩文版 browser-local.md 开篇即声明：Browser (Local) 语音识别尚不可用（아직 사용할 수 없습니다），AIRI 设置页目前仅显示 Work in Progress 占位符，用户无法准备或启用模型：

• 状态：Work in Progress（WIP），未开放配置；
• 结论性警告：不要在实际使用环境中配置该提供者，此文档存在仅是为了明确其当前可用性（현재 사용 가능 여부를 명확히 알리기 위해서만 문서화되어 있습니다）；
• 推荐替代：在支持的浏览器中使用 Web Speech API，或选择受支持的云端转写提供者。

同一结论在多语言文档中保持一致：英文版标题即为 “Browser local speech recognition (ASR/STT, unavailable)”，中文版 browser-local.md 的正文内容与韩文版一致地说明“浏览器本地语音识别使用 AIRI 的本地模型能力，不需要云端 API Key”，并提示“若服务商卡片未出现或识别无法启动，请改用 Web Speech API、云端 ASR 或桌面端本地方案”。请注意：韩文版是本次成文的主体依据，其明确标注“使用不可/不用于生产”，因此下述所有配置描述均属于“目标设计”，而非当前可操作步骤。

源码印证：设置页只渲染 WIP 占位组件

从源码可以确认“设置页仅有占位符”这一文档表述并非空话。浏览器本地转写提供者的设置页 browser-local-audio-transcription.vue 完整实现如下：

<script setup lang="ts"> import { WIP } from '@proj-airi/stage-ui/components' </script> <template> <WIP /> </template>

页面路由元信息（同文件内 route 块）引用了browser-local-audio-transcription的标题、副标题与描述键，也就是说该提供者的设置路由、标题与描述 i18n 键均已就位，唯独内容模板是空的。

占位组件本身定义在 wip.vue，渲染一个橙色 Callout，显示 i18n 文案：标题为 “Work in Progress”，描述为 “This feature is currently under development and not yet publicly available. Check back in future updates for this functionality.”（见 settings.yaml）。这与文档所述“现在仅显示 Work in Progress 占位符”完全吻合。

提供者定义：已注册但被强制隐藏

虽然页面只显示占位符，但提供者定义本身已存在于注册表源码中。local-audio/index.ts 同时定义了四个本地音频提供者，其中与浏览器本地转写相关的有两个：

• providerBrowserLocalAudioSpeech（browser-local-audio-speech，TTS）；
• providerBrowserLocalAudioTranscription（browser-local-audio-transcription，ASR/STT）。

转写提供者声明了任务标签['speech-to-text', 'automatic-speech-recognition', 'asr', 'stt']，能力为 HTTP 协议、generateOutput: true、streamOutput: false、streamInput: false（local-audio/index.ts）。

关键在isAvailableBy字段：

// NOTICE: // Hiding the provider keeps users from selecting one they cannot configure. // Its settings page (browser-local-audio-transcription.vue) renders <WIP />. // Reported in https://github.com/moeru-ai/airi/issues/2297 (item 6). // Removal condition: restore isBrowserAndMemoryEnough once the settings page is implemented. isAvailableBy: () => false,

即：提供者已注册到注册表，但可用性判断被硬编码为始终返回 false，因此它在提供者列表中被隐藏，用户根本无法选中。源码注释明确解释了原因——隐藏提供者是为了“防止用户选择一个无法配置的提供者”，并指出移除条件是“实现设置页后恢复isBrowserAndMemoryEnough判断”。

注册表 registry.ts 通过defineProvider()将定义写入内存 Map，listProviders()负责排序输出；browser-local-audio-transcription也被列入StageProviderId联合类型（registry.ts）。此外 attributes.ts 将browser-local-audio-speech与browser-local-audio-transcription都标记为freeLocal（pricing: 'free'），印证“本地模型、无需付费”的定位；i18n 文案中这两个提供者的描述均指向https://github.com/moeru-ai/xsai-transformers（settings.yaml），从源码结构看，其未来底层实现很可能基于 transformers.js / WebGPU 推理路线。

从源码推断：未来的启用条件与配置形态

虽然当前不可用，但源码中保留了目标启用逻辑，可作为理解“未来如何开放”的依据（以下均为推断，非当前行为）：

1. 平台限制：浏览器本地转写仅面向网页端。isBrowserAndMemoryEnough首先通过isStageTamagotchi()判断是否为桌面端（local-audio/index.ts），桌面端直接返回 false——即该提供者不会在桌面版本中出现，与文档“网页版专属”的定位一致。

2. 硬件门槛：启用条件为“支持 WebGPU或设备内存 ≥ 8 GB”（在无 WebGPU 时通过navigator.deviceMemory判断，注释明确 “The browser model needs at least 8 GB of system memory without WebGPU.”）。中文版文档 browser-local.md 将其描述为“确认浏览器支持 WebGPU，或设备内存至少为 8 GB，才会显示此服务商卡片”，两者相互印证。中文版文档还提到配置路径为“设置 → 服务商 → 语音识别 → Browser (Local)”，模型准备完成后在“设置 → 听觉”中启用——这正是当前占位页未来将被替换成的完整配置流程。

3. 配置 Schema：createProviderConfig使用 localAudioConfigSchema，含两个可选字段apiKey与baseUrl（后者默认''），并对baseUrl做了规范化（去空白、补末尾/）。也就是说，即便未来开放，浏览器本地转写从配置形态上仍沿用“OpenAI 兼容本地端点”的风格。

4. 校验逻辑：createLocalAudioValidators中唯一的校验器要求baseUrl非空，否则报 “Base URL is required” 并提示上报问题（local-audio/index.ts）。这进一步佐证该提供者当前实际只能依赖本地 HTTP 端点完成转写，而非内置的 WASM/WebGPU 推理通道。

此外，registry.test.ts 中有一条针对性测试：“不包含需要应用运行时适配器的提供者”，明确断言listProviders()的结果中不包含browser-local-audio-speech（同组的还有official-provider、apple-speech-transcription、kokoro-local等）。该测试的意图是：浏览器本地提供者依赖 stage-ui 应用层运行时（浏览器环境、WebGPU 探测），不属于可移植（portable）的运行时无关提供者集合。

当前可用的替代方案

文档给出了两条替代路径，分别面向不同场景：

Web Speech API：网页端最简单选项

Web Speech API 文档 是官方推荐的首选替代：它调用浏览器内建语音识别，无需 API Key，适用于想快速在网页端试通语音输入的场景。

其配置流程（目标读者为当前可用功能，可直接操作）：

1. 在网页版使用（Web Speech API 提供者在 Electron 桌面版中不可用）；
2. 在设置 → 提供者 → 转写 → Web Speech API中打开配置页；
3. 选择Recognition Language，并按需开启Continuous Recognition与Show Interim Results；
4. 在设置 → 模块 → 听觉中选择 Web Speech API 与音频输入设备；
5. 允许浏览器麦克风权限，进行短语音输入验证，转写结果显示即成功。

排查要点：无转写结果时依次检查浏览器麦克风权限、所选输入设备、识别语言；浏览器不支持该 API 时改用本地或云端转写提供者。

源码侧，browser-web-speech-api/index.ts 实现了providerBrowserWebSpeechApi：isWebSpeechApiAvailable()通过检测webkitSpeechRecognition或SpeechRecognition判断浏览器支持（index.ts），配置 Schema 提供language（默认en-US）、continuous（默认true）、interimResults（默认true）、maxAlternatives（默认1）四个可选项，能力上支持streamOutput与streamInput流式转写，且requiresCredentials: false——与文档“无需 API Key”一致。

云端转写提供者

在 transcription 目录 下，仓库同时维护了多个可直接使用的云端转写提供者文档：阿里云（aliyun）、Comet API、Mimo、OpenAI、官方提供者（official）等。若对隐私性要求不高、追求识别质量与稳定性，优先从这些受支持的云端方案中选择；若偏好完全本地化处理，可关注同一目录下的 desktop-local.md（App (Local)，同样是 WIP 不可用状态）以及源码中已就绪的 sherpaw-transcription（本地语音识别，按需加载模型、无需 API Key，已在 i18n 中标注 “Local speech recognition with bundled or on-demand models. No API key is required.”）。

总结：现状边界与使用建议

给开发者的实操建议：如果在网页版设置页中找不到 “Browser (Local)” 卡片，这不是配置遗漏，而是源码层面主动隐藏的结果，请勿尝试强行启用；当前语音转写请优先走 Web Speech API（免费、零配置、浏览器原生）或云端转写提供者。若你在跟进该功能进展，可以关注browser-local-audio-transcription.vue中<WIP />被替换为真实表单的提交——那时才意味着该提供者真正可用了。

• AI 应用
• 人工智能
• 大模型
• 数字人
• AI Agent
• 语音
• 前端
• 后端