Skip to content

火山引擎豆包后端 (Volcengine) ​

火山引擎流式语音识别具有极高的中文识别准确度与极低延迟,支持边说边出字与二次识别修正。配置保存在 ~/.config/fcitx5/conf/voiceinput-volcengine.conf。

选择此后端:主配置中 ActiveBackend=volcengine。后端选择与其他全局参数见配置总览。

配置参数项 ​

参数项说明默认值描述
EndpointWebSocket 服务端点wss://openspeech.bytedance.com/api/v3/sauc/bigmodel_async豆包大模型流式端点
AuthMode认证模式api_key可选 api_key(新控制台单 Key 认证)或 app_access_key(旧控制台双 Key 认证)
ApiKeyAPI Key(空)api_key 模式下的鉴权密钥
AppKeyApp Key(空)app_access_key 模式下的应用 AppKey
AccessKeyAccess Key / Token(空)app_access_key 模式下的访问 Token
ResourceId资源 ID (Resource ID)volc.seedasr.sauc.duration在控制台购买的服务资源包 ID
ChunkMs单包音频推送切片大小 (ms)200音频分片粒度(100~200ms)
EnableITN逆文本标准化 (ITN)true将“一百二十三”自动转为“123”
EnablePunc标点符号自动添加true自动预测并添加逗号、句号等标点
EnableDDC语义顺滑 (DDC)false过滤口语中的“呃、啊、那个”等无意义语气词
EnableNonstream开启二次识别修正true句子结束时执行全局二次重评分,提升整句最终准确率
EndWindowMs服务端判停窗口时长 (ms)800服务端静音截断判定时长

资源 ID (ResourceId) 对照表 ​

在火山引擎控制台开通服务时,根据购买类型填写对应的资源 ID:

  • 豆包语音大模型 2.0 (按调用量/小时版):volc.seedasr.sauc.duration
  • 豆包语音大模型 2.0 (按并发版):volc.seedasr.sauc.concurrent
  • 语音大模型 1.0 (按调用量/小时版):volc.bigasr.sauc.duration
  • 语音大模型 1.0 (按并发版):volc.bigasr.sauc.concurrent

运行排查 ​

使用流式后端遇到问题时,见流式后端运行排查。

Fcitx5 Voice Input Documentation