Vosk 中文语音识别 + OpenAI 兼容接口，纯本地推理，给数字人格用
127
林小鱼数字人格系统的语音识别服务：Vosk 中文模型 + OpenAI 兼容接口，纯本地推理，不联网。
用这个镜像配合 dafeiyu-stack 使用，
让她能听懂你发的语音。
POST /v1/audio/transcriptions，现有客户端不用改GET /healthzservices:
asr:
image: caoran1314/dafeiyu-asr:1.0
container_name: dafeiyu-asr
restart: unless-stopped
environment:
- VOSK_MODEL_DIR=/models/vosk-model-cn
- PORT=9001
ports:
- "127.0.0.1:9001:9001"
volumes:
- ./data/asr/models:/models
模型要自己下（约 2 GB，不进镜像）：
mkdir -p data/asr/models && cd data/asr/models
curl -LO https://alphacephei.com/vosk/models/vosk-model-cn-0.22.zip
unzip vosk-model-cn-0.22.zip
mv vosk-model-cn-0.22 vosk-model-cn
启动后：
curl http://127.0.0.1:9001/healthz
# {"ok": true, "model": "vosk-model-cn"}
curl -F "[email protected]" -F "model=vosk" http://127.0.0.1:9001/v1/audio/transcriptions
# {"text": "..."}
| 方法 | 路径 | 说明 |
|---|---|---|
| POST | /v1/audio/transcriptions | multipart：file（wav/mp3/ogg）、model（忽略） |
| GET | /v1/models | 返回可用模型 |
| GET | /healthz | 健康检查 |
支持任意 ffmpeg 能解的格式（内部会先转 16k 单声道 wav）。
| 项 | 值 |
|---|---|
| 镜像大小 | 约 350 MB（不含模型） |
| 内存 | 空闲 80 MB，载入模型后约 1.2 GB |
| 首次请求 | 10–20 秒（载入模型） |
| 单句识别 | 0.9–1.1 秒（10 秒内音频） |
| tag | 说明 |
|---|---|
1.0 | 当前稳定版 |
latest | 跟随主分支 |
/models/vosk-model-cn 再重启MIT
Content type
Image
Digest
sha256:7c2597b71…
Size
219.6 MB
Last updated
12 days ago
docker pull caowenrui/dafeiyu-asr