blob: f0909910de3668d104369737a982ac3b8b9cdde8 (
plain)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
|
# Xiaomi MiMo ASR (mimo-v2.5-asr) — Hermes STT 安装说明
将小米 MiMo ASR 语音识别模型接入 Hermes 的语音转文字功能。
## 前置条件
- Hermes Agent 已安装
- Xiaomi MiMo API Key（https://platform.xiaomimimo.com 获取）
- ffmpeg（用于音频格式转换）：`brew install ffmpeg`
## 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。因此需要一个包装脚本来处理：
- 音频格式转换（非 wav/mp3 文件通过 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
Hermes 的 **command provider** 机制允许通过 shell 命令接入任意 STT 后端，
无需编写 Python 插件。
## 安装步骤
### 1. 复制脚本
```bash
cp xiaomi-asr.sh ~/.hermes/scripts/xiaomi-asr.sh
chmod +x ~/.hermes/scripts/xiaomi-asr.sh
```
### 2. 配置环境变量
在 `~/.hermes/.env` 中添加（如果还没有）：
```
XIAOMI_API_KEY=your_api_key_here
XIAOMI_BASE_URL=https://token-plan-cn.xiaomimimo.com/v1
```
> 如果你的 API Key 绑定的是国际站，用 `https://api.xiaomimimo.com/v1`
### 3. 修改 Hermes 配置
在 `~/.hermes/config.yaml` 的 `stt` 部分：
```yaml
stt:
enabled: true
provider: xiaomi-asr
providers:
xiaomi-asr:
type: command
command: ~/.hermes/scripts/xiaomi-asr.sh {input_path} {output_path} mimo-v2.5-asr {language}
language: zh
format: txt
timeout: 120
```
### 4. 重启 Hermes
- Desktop / TUI：关闭并重新打开
- Gateway：运行 `/restart`
## 验证
```bash
# 手动测试脚本
export XIAOMI_API_KEY=your_key
export XIAOMI_BASE_URL=https://token-plan-cn.xiaomimimo.com/v1
~/.hermes/scripts/xiaomi-asr.sh /path/to/audio.wav /tmp/output.txt mimo-v2.5-asr zh
cat /tmp/output.txt
```
## 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 |
|
