Willow 推理服务器技能

本地 ASR（语音转文字）和 TTS（文字转语音）推理服务器。

设置

1. 启动 Willow 推理服务器

bash git clone https://github.com/toverainc/willow-inference-server.git cd willow-inference-server ./utils.sh install ./utils.sh gen-cert your-hostname ./utils.sh run

服务器运行在 https://your-hostname:19000

2. 配置环境

设置服务器 URL： bash export WILLOWBASEURL=https://your-hostname:19000

或按请求配置（见下文）。

ASR（语音转文字）

转录音频文件

bash curl -X POST ${WILLOWBASEURL}/api/asr \ -F audio_file=@/path/to/audio.m4a \ -F language=auto

参数

参数	描述	默认值
audio_file	要转录音频文件	必填
language

语言代码（en、zh 等）或 auto | auto |

| model | Whisper 模型（tiny、base、medium、large-v2） | 服务器配置 | | task | transcribe 或 translate | transcribe |

支持的格式

• - MP3、WAV、M4A、OGG、FLAC、WebM

示例：使用 curl 进行转录

bash

基础转录

curl -X POST ${WILLOWBASEURL}/asr \ -F audio_file=@recording.m4a \ -F language=zh

指定模型

curl -X POST ${WILLOWBASEURL}/asr \ -F audio_file=@meeting.mp3 \ -F language=en \ -F model=base

TTS（文字转语音）

将文字转换为语音

bash curl -X POST ${WILLOWBASEURL}/tts \ -H Content-Type: application/json \ -d {text: Hello world, voice: af_sarah}

参数

参数	描述	默认值
text	要转换为语音的文字	必填
voice

语音 ID（见下文） | 默认语音 |

| speed | 语速（0.5-2.0） | 1.0 | | volume | 音量（0.0-1.0） | 1.0 |

可用语音

常用语音（格式：性别_语音名称）：

• - afsarah - Sarah（女声）
• afbella - Bella（女声）
• ammichael - Michael（男声）
• amalex - Alex（男声）

查看服务器文档获取完整列表：${WILLOWBASEURL}/api/docs

示例：使用 curl 进行 TTS

bash

基础 TTS

curl -X POST ${WILLOWBASEURL}/tts \ -H Content-Type: application/json \ -d {text: 你好，这是测试} \ -o output.wav

自定义语音

curl -X POST ${WILLOWBASEURL}/tts \ -H Content-Type: application/json \ -d {text: Hello!, voice: am_michael, speed: 1.2} \ -o hello.mp3

环境变量

变量	描述	默认值
WILLOWBASEURL	服务器 URL	https://localhost:19000

工作流示例

1. 录制并转录

bash

录制音频（macOS）

rec test.wav

转录

curl -X POST ${WILLOWBASEURL}/asr \ -F audio_file=@test.wav \ -F language=auto

2. 文字转语音

bash

将文字转换为语音

curl -X POST ${WILLOWBASEURL}/tts \ -H Content-Type: application/json \ -d {text: 今天的任务是学习新技能} \ -o speech.wav

3. 批量转录

bash for f in *.m4a; do curl -X POST ${WILLOWBASEURL}/asr \ -F audio_file=@$f \ -F language=auto \ -o ${f%.m4a}.txt done

API 文档

完整 API 文档位于：${WILLOWBASEURL}/api/docs

注意事项

• - 所有端点都需要 HTTPS（或配置为 HTTP）
• 音频文件在服务器本地处理
• ASR 延迟取决于模型大小和硬件
• TTS 语音可通过自定义语音录音进行定制