blob: f4deeee2e72aed608dd32cbbc07cb990617c8231 (
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
|
# 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）
```
|
