diff options
Diffstat (limited to 'README.md')
| -rw-r--r-- | README.md | 36 |
1 files changed, 36 insertions, 0 deletions
diff --git a/README.md b/README.md new file mode 100644 index 0000000..f4deeee --- /dev/null +++ b/README.md @@ -0,0 +1,36 @@ +# MiMo V2.5 ASR — Hermes Agent Plugin + +将小米 MiMo ASR 语音识别模型接入 Hermes 的语音转文字功能。可作为 Hermes 插件加载,也可在 command 模式下独立使用。 + +## 工作原理 + +Xiaomi ASR **不使用**标准的 `/v1/audio/transcriptions` 端点,而是通过 `/v1/chat/completions` 接口 + `input_audio` 格式工作。 + +- 音频格式检测(wav/mp3 直接发送,其他格式通过 ffmpeg 转为 16kHz 单声道 WAV) +- Base64 编码音频数据 +- 构造 chat completions JSON payload +- 解析响应提取转录文本 + +## 注意事项 + +| 问题 | 说明 | +|------|------| +| 音频格式 | 只支持 wav 和 mp3,其他格式自动通过 ffmpeg 转换 | +| 纯音乐 | 无法识别纯音乐内容,会返回空结果 | +| 语言 | 主要针对中文优化,其他语言效果较差 | +| ffmpeg | 非 wav/mp3 格式必须安装 ffmpeg | +| 环境变量 | `XIAOMI_API_KEY` 必须在 `.env` 文件中,Hermes 会自动加载到子进程环境 | + +## 文件说明 + +``` +mimo-asr-for-hermes/ +├── README.md # 本文档(介绍) +├── INSTALL.md # 安装说明(给 Agent 看) +├── plugin.yaml # Hermes 插件清单 +├── setup.sh # 安装/卸载脚本(仅供参考) +├── __init__.py # 插件注册入口 +├── provider.py # STTProvider 实现 +├── xiaomi-asr.py # 独立脚本(Python,全平台) +└── xiaomi-asr.sh # 独立脚本(Bash,仅 Linux/macOS) +``` |
