使用 Mistral Voxtral 实现语音转文本

本指南介绍如何在 Open WebUI 中使用 Mistral 的 Voxtral 模型进行语音转文本。Voxtral 是 Mistral 的语音转文本模型，可提供较准确的转录结果。

想配置 TTS？

请查看配套指南：使用 Mistral 实现文本转语音

前置要求

• 一个 Mistral API 密钥
• Open WebUI 已安装并正常运行

快速配置（UI）

1. 点击你的头像图标（左下角）
2. 选择 管理面板
3. 点击 设置 → 音频 标签
4. 按如下方式配置：

设置	值
语音转文本引擎	MistralAI
API 密钥	你的 Mistral API 密钥
STT 模型	voxtral-mini-latest（或留空使用默认值）

5. 点击 Save

可用模型

模型	说明
voxtral-mini-latest	默认转录模型（推荐）

环境变量配置

如果你更倾向于使用环境变量：

services:
  open-webui:
    image: ghcr.io/open-webui/open-webui:main
    environment:
      - AUDIO_STT_ENGINE=mistral
      - AUDIO_STT_MISTRAL_API_KEY=your-mistral-api-key
      - AUDIO_STT_MODEL=voxtral-mini-latest
    # ... 其他配置

全部 Mistral STT 环境变量

变量	说明	默认值
AUDIO_STT_ENGINE	设置为 mistral	empty（使用本地 Whisper）
AUDIO_STT_MISTRAL_API_KEY	你的 Mistral API 密钥	empty
AUDIO_STT_MISTRAL_API_BASE_URL	Mistral API 基础 URL	https://api.mistral.ai/v1
AUDIO_STT_MISTRAL_USE_CHAT_COMPLETIONS	使用 chat completions 端点	false
AUDIO_STT_MODEL	STT 模型	voxtral-mini-latest

转录方式

Mistral 支持两种转录方式：

标准转录（默认）

使用专用转录端点。这是推荐方式。

Chat Completions 方式

将 AUDIO_STT_MISTRAL_USE_CHAT_COMPLETIONS=true 后，可改用 Mistral 的 chat completions API 进行转录。该方式：

• 要求音频为 mp3 或 wav 格式（系统会尝试自动转换）
• 结果可能与标准端点有所不同

使用 STT

1. 点击聊天输入框中的麦克风图标
2. 说出你的内容
3. 再次点击麦克风，或等待静音检测结束
4. 你的语音会被转录并显示在输入框中

支持的音频格式

Voxtral 接受常见音频格式。系统默认允许 audio/* 和 video/webm。

如果使用 chat completions 方式，音频会自动转换为 mp3。

故障排查

API 密钥错误

如果你看到 “需要 Mistral API 密钥”：

1. 确认 API 密钥填写正确
2. 检查 API 密钥是否已过期
3. 确认你的 Mistral 账号已开通 API 访问权限

转录无法工作

1. 检查容器日志：docker logs open-webui -f
2. 确认 STT 引擎设置为 MistralAI
3. 优先尝试标准转录方式（关闭 chat completions）

音频格式问题

如果你使用 chat completions 方式且音频转换失败：

• 确保容器中可用 FFmpeg
• 尝试录制为其他格式（wav 或 mp3）
• 切回标准转录方式

更多排查信息请参阅 音频故障排查指南。

与其他 STT 方案对比

特性	Mistral Voxtral	OpenAI Whisper	本地 Whisper
成本	按分钟计费	按分钟计费	免费
隐私	音频发送到 Mistral	音频发送到 OpenAI	音频保留本地
模型选项	voxtral-mini-latest	whisper-1	tiny → large
需要 GPU	否	否	推荐

成本说明

Mistral 的 STT 按音频分钟数计费。当前价格请查看 Mistral 定价页。

提示

如果想使用免费 STT，可选择 Local Whisper（默认方案）或浏览器 Web API 进行基础转录。