Настройка сервера

Голосовой ввод превращает речь в ввод терминала: говорите вместо печати, с опциональной LLM-полировкой транскрипции перед отправкой. Распознавание работает как локальный ASR-сервер с моделями на устройстве — аудио и текст остаются на вашей машине. Эта страница покрывает серверную сторону; десктоп-опыт — в Работе с клиентом.

Карточка Local ASR Server

Откройте раздел Voice веб-интерфейса и включите распознавание речи. Карточка Local ASR Server управляет supervised-процессом vterm-voice:

• Load on Startup — запускать ASR-сервер вместе с бэкендом;
• Bind Address (127.0.0.1 только localhost / 0.0.0.0 все интерфейсы) и Port (по умолчанию 8398) — где слушает ASR-эндпоинт;
• Model Directory + Local Model — выберите из встроенного каталога: семейства Qwen3-ASR, Fun-ASR и Parakeet, каждое в вариантах full / 8 бит / 4 бита. Download забирает модель с Hugging Face или ModelScope в каталог с живым индикатором прогресса; ручные команды git clone показываются как запасной путь, а модели уже на диске помечаются доступными;
• Device — бэкенд вывода (Auto, CPU, CUDA, Vulkan, Metal), как сообщает сервер;
• Access Token — общий секрет эндпоинта; кнопка с кубиком генерирует его;
• Save сохраняет карточку (правки до этого — локальный черновик), а Start Server / Stop Server управляют процессом. Значок статуса в заголовке карточки отражает достижимость и состояние модели (загружена / загружается / ошибка).

Конфликт CUDA: когда другая CUDA-программа вывода уже занимает GPU (напр. llama.cpp с локальной моделью), разрешение vterm-voice тоже использовать CUDA может резко замедлить обе. В этом случае поставьте Device на CPU — эти компактные ASR-модели достаточно быстры на CPU.

Провайдер и тестирование

Выпадающий список провайдеров перечисляет ASR-аддоны — встроенный аддон vibe-voice указывает на этот supervised-сервер, поэтому его выбор — способ заставить панель использовать ваши локальные модели.

Область Test пробует всё без клиента: Record (микрофон → волновая форма → транскрипция) и Live (потоковое распознавание), каждая со временем и кнопкой копирования.