使用 OpenAI 实现语音转文本

本指南介绍如何在 Open WebUI 中使用 OpenAI Whisper API 进行语音转文本。这种方式提供云端转录能力，无需本地 GPU 资源。

想配置 TTS？

请查看配套指南：使用 OpenAI 实现文本转语音

前置要求

• 拥有可访问 Audio API 的 OpenAI 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	OpenAI
API 基础 URL	https://api.openai.com/v1
API 密钥	你的 OpenAI API 密钥
STT 模型	whisper-1
支持的内容类型	可留空使用默认值，或设置为 audio/wav,audio/mpeg,audio/webm

5. 点击 Save

可用模型

模型	说明
whisper-1	OpenAI 在云端托管的 Whisper large-v2 模型

信息

OpenAI 当前仅提供 whisper-1。如果你需要更多模型选择，可使用 Local Whisper（Open WebUI 内置）或 Deepgram 等其他提供商。

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=openai
      - AUDIO_STT_OPENAI_API_BASE_URL=https://api.openai.com/v1
      - AUDIO_STT_OPENAI_API_KEY=sk-...
      - AUDIO_STT_MODEL=whisper-1
    # ... 其他配置

全部 STT 环境变量（OpenAI）

变量	说明	默认值
AUDIO_STT_ENGINE	设置为 openai	empty（使用本地 Whisper）
AUDIO_STT_OPENAI_API_BASE_URL	OpenAI API 基础 URL	https://api.openai.com/v1
AUDIO_STT_OPENAI_API_KEY	你的 OpenAI API 密钥	empty
AUDIO_STT_MODEL	STT 模型	whisper-1
AUDIO_STT_SUPPORTED_CONTENT_TYPES	允许的音频 MIME 类型	audio/*,video/webm

支持的音频格式

默认情况下，Open WebUI 接受 audio/* 和 video/webm 进行转录。如果你想限制或扩展支持格式，可设置 AUDIO_STT_SUPPORTED_CONTENT_TYPES：

environment:
  - AUDIO_STT_SUPPORTED_CONTENT_TYPES=audio/wav,audio/mpeg,audio/webm

OpenAI Whisper API 支持：mp3、mp4、mpeg、mpga、m4a、wav、webm

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

OpenAI 与 Local Whisper 对比

特性	OpenAI Whisper API	Local Whisper
延迟	取决于网络	短音频通常更快
成本	按分钟计费	免费（使用你的硬件）
隐私	音频发送到 OpenAI	音频留在本地
需要 GPU	否	为了速度建议使用
模型选项	仅 whisper-1	tiny、base、small、medium、large

在以下情况下推荐选择 OpenAI：

• 你没有 GPU
• 你希望获得稳定一致的表现
• 隐私不是首要顾虑

在以下情况下推荐选择 Local Whisper：

• 你想要免费转录
• 你需要音频保留在本地
• 你拥有可用于加速的 GPU

故障排查

麦克风无法工作

1. 确保你正在使用 HTTPS 或 localhost
2. 检查浏览器麦克风权限
3. 查看 麦克风访问问题

转录报错

1. 检查 OpenAI API key 是否有效
2. 确认 API Base URL 是否正确
3. 查看容器日志中的报错信息

语言识别问题

OpenAI Whisper API 会自动检测语言。如果你需要强制指定语言，请考虑改用 Local Whisper，并设置 WHISPER_LANGUAGE 环境变量。

更多排查信息请参阅 音频故障排查指南。

成本说明

OpenAI 的 STT 按音频分钟数计费。当前价格请参阅 OpenAI Pricing。

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。