Skip to content

SceneGo v0.3.1

Latest
Latest

Choose a tag to compare

View all tags
@github-actions github-actions released this 16 Jul 03:27
v0.3.1
e006d46

SceneGo v0.3.1

本版本为 SceneGo 对话输入增加完整的语音转写能力。

新增

  • 麦克风录音，并支持选择浏览器可见的音频输入设备。
  • 通过浏览器屏幕共享选择器获取电脑声音。
  • 使用 Web Audio API 混合麦克风与电脑声音。
  • 录音音量波形、计时、暂停、继续、停止和取消操作。
  • 停止录音后将转写结果写入聊天输入框，允许修改后再发送。
  • 独立的 OpenAI-compatible /audio/transcriptions 适配器。
  • 支持单独配置 STT 厂商、密钥、模型、接口路径、超时和文件大小。

默认配置

聊天模型和语音模型可以使用不同厂商。省略 STT_BASE_URL 和 STT_API_KEY 时，SceneGo 会复用现有 OpenAI-compatible 聊天服务凭据。

硅基流动示例：

STT_MODEL=FunAudioLLM/SenseVoiceSmall
STT_TRANSCRIPTION_PATH=/audio/transcriptions
STT_REQUEST_TIMEOUT_MS=120000
STT_MAX_AUDIO_BYTES=20971520

隐私与浏览器边界

  • 原始录音仅存在于当前转写请求，不写入数据库或浏览器本地存储。
  • 离开语音输入组件时会立即停止录音设备。
  • 电脑声音必须由用户在浏览器共享窗口中主动授权。
  • 网页无法静默枚举或捕获指定扬声器，推荐使用 Windows 上的 Chrome 或 Edge。
  • 生产部署必须使用 HTTPS；localhost 开发环境除外。

验证

pnpm install --frozen-lockfile
pnpm build
pnpm test
Assets 2
Loading