# Docker Whisper ASR

本服务为私聊语音输入提供本地语音转文字能力。它只绑定服务器本机 `127.0.0.1:8791`，由 PHP 后端 `/api/chat/voiceToText` 代理访问，不直接暴露公网。

## 启动

```bash
cd server/extend/whisper-asr
docker compose up -d --build
```

首次启动会下载 Whisper 模型到 Docker volume `whisper_asr_models`，耗时取决于网络和模型大小。

## 配置

常用环境变量：

| 变量 | 默认值 | 说明 |
| --- | --- | --- |
| `ASR_MODEL` | `small` | Whisper 模型名 |
| `ASR_DEVICE` | `cpu` | `cpu` 或 `cuda` |
| `ASR_COMPUTE_TYPE` | `int8` | CPU 默认建议 `int8` |
| `ASR_LANGUAGE` | 空 | 留空自动识别，中文可设为 `zh` |
| `ASR_MAX_FILE_MB` | `10` | 单文件最大大小 |
| `ASR_API_TOKEN` | 空 | 配置后需要 Bearer Token |

如果配置 `ASR_API_TOKEN`，需要同步更新后台 AI 配置 `whisper_asr_api_token`。

## 验证

```bash
curl http://127.0.0.1:8791/health
curl -F "file=@sample.m4a" http://127.0.0.1:8791/v1/transcribe
```

接口成功时返回：

```json
{
  "text": "识别到的文字",
  "language": "zh",
  "language_probability": 0.9,
  "duration": 3.2,
  "duration_ms": 1200
}
```