如何更换语音识别引擎

定稿用哪个语音识别引擎由 .env 里的 ENGINE 决定，默认是 qwen（阿里云百炼）。各引擎的差别见架构与数据流和语音识别评测。

换引擎

1. 在 .env 里把 ENGINE 改成下表中的一个，并填上它需要的 key：

   ENGINE	需要
   qwen	DASHSCOPE_API_KEY
   volc	VOLC_ASR_KEY
   stepfun-sse	STEPFUN_API_KEY
   stepfun、stepfun-file	STEPFUN_API_KEY，以及你自己的上传桥和文件模式语音识别服务：ASR_UPLOAD_BRIDGE_URL、ASR_UPLOAD_BRIDGE_TOKEN、ASR_SERVICE_URL、ASR_SERVICE_BASIC_AUTH
   local	不需要 key

2. 重启服务器。Docker 里运行 docker compose up -d，Compose 会用新的 .env 重建容器。

缺 key 时服务器不会启动，日志里会写 not set: <缺的变量> (see .env.example)。ENGINE 写错时，日志里会列出可选的值。

大模型的三项（LLM_BASE_URL、LLM_API_KEY、LLM_MODEL）不管用哪个引擎都要填。

不用任何语音识别 key：ENGINE=local

local 在服务器进程里用 sherpa-onnx 跑 X-ASR 中英模型，只出文字，说话人靠服务器自己的声纹区分；远场录音的效果比 qwen 差。

第一段音频到达时，服务器会下载约 136 MB 的模型包，所以第一条转写要等一分钟左右。下载慢的话，把 LOCAL_ASR_URL 设成同一个模型包在镜像站上的地址；文件按 sha256 校验。

初稿和兜底

• DRAFT_ENGINE：页面开着时出初稿用的引擎，空着就和 ENGINE 一样。设成 qwen-stream 会在页面开着时把音频流式推给千问，边说边出字（需要 DASHSCOPE_API_KEY）。qwen-stream 只能用作 DRAFT_ENGINE。
• ENGINE_FALLBACK：主引擎在某个窗口上失败（402、451、5xx、超时）时改用这个引擎；空着就稍后重试。

所有相关变量见配置项。