本地语音服务

套餐: 部署语音服务 {#default}

在你的边缘设备上部署流式语音识别（ASR）和语音合成（TTS）服务——支持 Jetson Orin、RK3576、RK3588 和树莓派 5。

部署完成后你可以：

• 实时流式语音识别（WebSocket）
• 低延迟语音合成（HTTP 流式 + 批量）
• 多种语言模式：中文+英文、纯英文、或 52 种语言 Qwen3
• 通过 HTTP + WebSocket API（端口 8621）调用

前提条件： 可通过 SSH 连接设备 · 需要联网拉取 Docker 镜像和下载模型 · 磁盘空间：Jetson 7.5 GB，RK 4.4 GB，树莓派 2.8 GB

步骤 1: 部署语音服务 {#speech_service type=docker_deploy required=true config=devices/jetson_deploy.yaml}

将语音服务部署到你的边缘设备。预构建镜像已包含所有依赖，模型在首次启动时自动下载。

部署目标 {#jetson_remote type=remote device=jetson device_name="Jetson" config=devices/jetson_deploy.yaml default=true}

接线

1. 将 Jetson 连接到网络
2. 输入 Jetson 的 IP 地址和 SSH 凭据
3. 从下拉菜单选择语音配置
4. 点击 部署 — 系统会自动拉取镜像并启动服务

部署完成

服务已在 http://<设备 IP>:8621 运行。快速测试：

curl http://<设备 IP>:8621/health
# 预期返回: {"asr": true, "tts": true, "streaming_asr": true}

curl -X POST http://<设备 IP>:8621/tts \
  -H "Content-Type: application/json" \
  -d '{"text": "你好，我是你的语音助手。", "sid": 0}' \
  --output test.wav

故障排查

部署目标 {#rk3576_remote type=remote device=rk3576 device_name="RK3576" config=devices/rk3576_deploy.yaml}

接线

1. 将 RK3576 设备连接到网络
2. 输入设备 IP 和 SSH 凭据
3. 从下拉菜单选择语音配置
4. 点击 部署 — 模型在首次启动时自动下载

部署完成

服务已在 http://<设备 IP>:8621 运行。快速测试：

curl http://<设备 IP>:8621/health
# 预期返回: {"asr": true, "tts": true, "streaming_asr": true}

故障排查

部署目标 {#rk3588_remote type=remote device=rk3588 device_name="RK3588" config=devices/rk3588_deploy.yaml}

接线

1. 将 RK3588 设备连接到网络
2. 输入设备 IP 和 SSH 凭据
3. 从下拉菜单选择语音配置
4. 点击 部署 — 模型在首次启动时自动下载

部署完成

服务已在 http://<设备 IP>:8621 运行。快速测试：

curl http://<设备 IP>:8621/health
# 预期返回: {"asr": true, "tts": true, "streaming_asr": true}

故障排查

部署目标 {#rpi_remote type=remote device=rpi device_name="Raspberry Pi" config=devices/rpi_deploy.yaml}

接线

1. 将树莓派连接到网络
2. 输入树莓派的 IP 地址和 SSH 凭据
3. 从下拉菜单选择语音配置
4. 点击 部署 — CPU 镜像仅 568 MB

部署完成

服务已在 http://<设备 IP>:8621 运行。快速测试：

curl http://<设备 IP>:8621/health
# 预期返回: {"asr": true, "tts": true, "streaming_asr": true}

故障排查

步骤 2: 语音演示 {#voice_demo type=voice_chat required=false config=devices/voice_demo.yaml}

直接在此页面体验已部署的语音服务。输入设备 IP 地址，然后使用下方面板测试语音识别和语音合成。

语音识别（ASR）

按住 录音 按钮说话，语音将被实时识别，转录文字会即时显示在屏幕上。

文字转语音（TTS）

输入任意文字，点击 生成 即可听到语音播放。

故障排查

部署完成

恭喜！本地语音服务已运行。

快速验证

1. 在浏览器打开 http://<设备 IP>:8621/health — 所有字段应显示 true
2. 用上面的 curl 命令测试语音合成
3. 将你的应用连接到 API 接口

API 接口一览

后续步骤

• 接入你的大语言模型，完成语音助手流水线：ASR → LLM → TTS
• 部署后可在"设备管理"页面调整语音配置
• OpenVoiceStream GitHub