语音识别设置

语音识别设置页面用于配置 cuemate-asr 语音识别服务、AudioTee 系统音频捕获、Piper TTS 语音合成、音频设备和测试参数。所有设置统一保存到服务器，并自动同步到桌面客户端。

注：默认所有配置都有默认值，除了本地的麦克风和扬声器需要额外配置。

1. 进入语音识别设置

点击顶部下拉列表菜单中的"语音设置"，进入设置页面。

页面包含五个配置标签页：

• 设备配置：麦克风和扬声器设置
• cuemate-asr 配置：语音识别服务参数
• AudioTee 配置：系统音频捕获配置
• Piper TTS 配置：语音合成参数
• 测试配置：测试参数设置

2. 设备配置

NOTE

设备配置需要桌面客户端正常运行。Web 端会自动从桌面客户端获取设备列表，请确保桌面应用已启动。

2.1 麦克风设置

在"设备配置"标签页，配置麦克风音频输入设备。

TIP

推荐设备选择：

• 首选：电脑内置麦克风（简单方便）
• 环境嘈杂时：头戴式耳机麦克风（降噪效果好）
• 追求高质量：专业 USB 麦克风（识别准确率高）

麦克风音源

• 下拉框显示系统中所有可用的麦克风设备
• 桌面客户端会自动检测并上报设备列表到 Web 端
• 选择要使用的麦克风设备
• 首选电脑本身的内置麦克风（如 MacBook 内置麦克风）
• 也支持外接麦克风（如 USB 麦克风、头戴式耳机麦克风）
• 设备格式示例：内置麦克风、USB 麦克风

麦克风设备名称

• 自动显示选中麦克风的完整名称
• 只读字段，不可手动编辑
• 用于确认选择的设备是否正确

使用场景

麦克风是模拟面试和面试训练的核心输入设备，主要用于：

1. 用户语音输入

   • 用户在模拟面试中回答问题时，麦克风捕获您的语音
   • 语音通过 cuemate-asr 服务实时转换为文字
   • 文字内容发送给 LLM 生成智能答案和建议
   • 整个过程实现了"说话 → 识别 → AI 回答"的闭环

2. 面试训练场景

   • 练习口语表达时，麦克风记录您的回答
   • 系统识别您的语音内容，分析回答质量
   • 根据识别结果提供针对性反馈

设备选择建议

• 优先使用电脑内置麦克风，简单方便，无需额外设备
• 环境嘈杂时可选择头戴式耳机麦克风，减少背景噪音
• 追求更高识别准确率可使用专业 USB 麦克风

2.2 扬声器设置

在"设备配置"标签页，配置扬声器音频输出设备。

扬声器音源

• 下拉框显示系统中所有可用的扬声器设备
• 桌面客户端会自动检测并上报设备列表
• 选择要使用的扬声器设备
• 首选电脑本身的内置扬声器（如 MacBook 内置扬声器）
• 也支持外接音频设备（如 USB 音箱、蓝牙耳机、有线耳机）
• 设备格式示例：内置扬声器、USB 音箱、蓝牙耳机

扬声器设备名称

• 自动显示选中扬声器的完整名称
• 只读字段，不可手动编辑
• 用于确认选择的设备是否正确

使用场景

扬声器在模拟面试和面试训练中承担两个关键作用：

1. 播放 AI 生成的答案语音（Piper TTS）

   • 当您说话后，AI 会生成智能答案和建议
   • Piper TTS 将文字答案转换为自然流畅的语音
   • 通过扬声器播放出来，您可以听到 AI 的回答
   • 这样无需盯着屏幕看文字，解放双眼，专注思考

2. 捕获面试官的语音（AudioTee 系统音频捕获）

   • 这是扬声器最重要的功能
   • 当您使用腾讯会议、Zoom 等软件进行模拟面试训练时
   • 模拟面试官的声音会从扬声器播放出来
   • AudioTee 捕获扬声器播放的系统音频流
   • 捕获的音频通过 cuemate-asr 识别成文字
   • AI 分析问题，实时生成答案提示
   • 实现了"语音播放 → 扬声器输出 → AudioTee 捕获 → cuemate-asr 识别 → AI 生成答案"的完整流程

技术原理说明

为什么扬声器对捕获面试官语音至关重要：

• 面试软件（腾讯会议、Zoom）的音频输出到扬声器
• AudioTee 作为系统级音频捕获工具，拦截发送到扬声器的音频流
• 即使您戴着耳机，AudioTee 也能捕获到音频数据
• 这是一种非侵入式的音频捕获方案，不影响面试软件正常运行

设备选择建议

• 优先使用电脑内置扬声器，系统音频捕获最稳定
• 使用耳机时确保 AudioTee 能正确识别音频设备
• 避免使用蓝牙设备，可能存在延迟和兼容性问题
• 面试训练场景建议使用有线耳机，保证音质和捕获稳定性

2.3 刷新设备列表

如果连接了新的音频设备，点击底部"刷新"按钮重新检测设备列表。

刷新操作

1. 点击"刷新"按钮
2. 向桌面客户端发送设备请求
3. 浏览器重新枚举本地音频设备
4. 设备列表自动更新

使用场景

• 插入新的 USB 麦克风或音箱后刷新列表
• 连接蓝牙耳机后刷新设备
• 设备列表显示异常时重新加载

3. cuemate-asr 配置

3.1 基本配置

在"cuemate-asr 配置"标签页，配置 cuemate-asr 语音识别服务的连接参数。

注：默认所有配置都有默认值，不需要修改。

配置名称

• 为当前配置命名
• 默认值：ASR-Gateway
• 便于识别和管理多个配置

cuemate-asr 主机地址

• cuemate-asr 服务的主机地址
• 默认值：localhost
• 本地部署填写 localhost 或 127.0.0.1
• 远程部署填写服务器 IP 地址

cuemate-asr 端口

• cuemate-asr 服务的 WebSocket 端口
• 默认值：10095
• 取值范围：1-65535
• 确保端口未被其他服务占用

识别模式

• 在线模式（online）：实时流式识别，低延迟，边说边转文本
• 离线模式（offline）：录音完成后统一识别，准确率高
• 两遍模式（2pass）：先在线实时显示，再离线优化结果

使用场景

• 面试场景推荐使用"在线模式"，实时看到答案
• 录音转文字推荐使用"离线模式"，准确率更高
• 重要会议推荐使用"两遍模式"，兼顾实时性和准确性

3.2 音频参数

采样率（Hz）

• 音频采样率，影响识别质量
• 默认值：16000 Hz
• 取值范围：8000-48000 Hz
• 推荐使用 16000 Hz，平衡质量和性能

音频块间隔

• 音频块发送间隔
• 默认值：5
• 取值范围：1-20
• 值越小延迟越低，但网络压力越大

3.3 音频块大小配置

cuemate-asr 使用分块识别策略，将音频流分为起始、中间、结束三个阶段。

起始块大小（chunk_size_start）

• 语音开始阶段的音频块大小
• 默认值：5
• 取值范围：1-20
• 较小的值可以快速触发识别

中间块大小（chunk_size_middle）

• 语音持续阶段的音频块大小
• 默认值：10
• 取值范围：1-20
• 较大的值提高稳定识别

结束块大小（chunk_size_end）

• 语音结束阶段的音频块大小
• 默认值：5
• 取值范围：1-20
• 较小的值可以快速结束识别

调优建议

• 起始块和结束块较小，快速响应
• 中间块较大，稳定识别长句子
• 总体值越小越实时，但识别可能不稳定
• 总体值越大越稳定，但延迟越高

4. AudioTee 配置

4.1 AudioTee 简介

AudioTee 是系统音频捕获工具，用于捕获面试软件（如腾讯会议、Zoom）的音频输出，实现面试官语音识别。

4.2 基本配置

在"AudioTee 配置"标签页，配置系统音频捕获参数。

注：默认所有配置都有默认值，不需要修改。

AudioTee 采样率

• 系统音频捕获的采样率
• 默认值：16000 Hz（推荐）
• 可选值：8000/16000/22050/24000/32000/44100/48000 Hz
• 推荐使用 16000 Hz，与 cuemate-asr 采样率保持一致

音频块时长（秒）

• 每个音频块的时长
• 默认值：0.2 秒
• 取值范围：0.1-2.0 秒
• 值越小延迟越低，但处理频率越高

4.3 进程过滤配置

AudioTee 支持过滤特定进程的音频，实现精确捕获。

包含进程列表（JSON）

• 只捕获指定进程的音频
• 格式：JSON 字符串数组
• 示例：["1234", "5678"]
• 留空表示捕获所有进程音频

排除进程列表（JSON）

• 排除指定进程的音频
• 格式：JSON 字符串数组
• 示例：["9999"]
• 用于过滤不需要的音频源

进程过滤逻辑

1. 如果设置了"包含进程列表"，只捕获列表中的进程音频
2. 如果设置了"排除进程列表"，不捕获列表中的进程音频
3. 两个列表可以组合使用

使用场景

• 只捕获腾讯会议的音频：包含进程列表填写腾讯会议的进程 ID
• 排除音乐播放器的音频：排除进程列表填写音乐播放器的进程 ID
• 默认捕获所有系统音频：两个列表都留空 []

获取进程 ID（macOS）

# 查找腾讯会议进程 ID
ps aux | grep "TencentMeeting"

# 查找 Zoom 进程 ID
ps aux | grep "zoom.us"

4.4 静音控制

静音被捕获的进程

• 开关控制是否静音被捕获的进程音频
• 开启后，被捕获的音频不会从扬声器播放
• 关闭后，正常播放音频的同时进行捕获
• 默认值：关闭

使用场景

• 面试时想要安静环境，开启静音
• 需要听到面试官声音，关闭静音
• 录制时不想打扰他人，开启静音

5. Piper TTS 配置

5.1 Piper TTS 简介

Piper TTS 是本地神经网络语音合成系统，将文本转换为自然流畅的语音。桌面客户端使用 Piper TTS 朗读 AI 生成的答案。

5.2 语音配置

在"Piper TTS 配置"标签页，配置语音合成参数。

注：默认所有配置都有默认值，不需要修改。

默认语言

• 选择 TTS 语音合成的默认语言
• 中文（zh-CN）：使用花颜女声中文模型
• 英文（en-US）：使用 Amy 女声英文模型
• 会根据用户设置的界面语言自动选择对应语音

语音速度

• 控制语音朗读的速度
• 默认值：1.0（正常速度）
• 取值范围：0.5-2.0
• 0.5 表示慢速，2.0 表示快速
• 建议使用 0.8-1.2 之间的值

语音速度选择建议

• 0.5-0.7：学习模式，慢速理解
• 0.8-1.0：正常模式，舒适自然
• 1.1-1.5：快速模式，节省时间
• 1.6-2.0：极速模式，快速浏览

Python 可执行文件路径

• Piper TTS 依赖的 Python 解释器路径
• 默认值：python3
• macOS 通常为 python3 或 /usr/local/bin/python3

使用场景

• 中文面试选择"中文（zh-CN）"
• 英文面试选择"英文（en-US）"
• 答案较长时降低语音速度，便于理解
• 时间紧迫时提高语音速度，快速浏览

配置建议

• 语音语言应与系统设置的界面语言保持一致
• 语音速度建议在 0.9-1.1 之间，过快或过慢都不自然
• 确保 Python 路径正确，否则 TTS 无法工作

6. 测试配置

6.1 测试参数

在"测试配置"标签页，配置音频设备和语音识别的测试参数。

注：默认所有配置都有默认值，不需要修改。

测试持续时间（秒）

• 设备测试的最大持续时间
• 默认值：60 秒
• 取值范围：10-300 秒
• 超过时间后自动停止测试

识别超时时间（秒）

• 语音识别的超时时间
• 默认值：15 秒
• 取值范围：5-60 秒
• 超过时间未识别到语音，认为识别失败

6.2 识别长度限制

最小识别长度

• 识别结果的最小字符数
• 默认值：5
• 取值范围：1-50
• 少于此长度的识别结果可能被过滤

最大识别长度

• 识别结果的最大字符数
• 默认值：30
• 取值范围：10-200
• 超过此长度的识别结果可能被截断

使用场景

• 过滤短语音（如"嗯"、"啊"）设置最小识别长度为 5
• 限制长句子识别设置最大识别长度
• 测试时可以调整这些参数观察效果

7. 保存和重置

7.1 保存配置

点击底部"保存配置"按钮，将所有配置保存到服务器。

保存流程

1. 点击"保存配置"按钮
2. 验证所有必填字段是否填写正确
3. 提交配置到服务器
4. 服务器保存配置并返回确认
5. 显示"配置已保存"成功提示
6. 桌面客户端自动同步新配置

保存内容

• 设备配置（麦克风、扬声器）
• cuemate-asr 配置（主机、端口、模式等）
• AudioTee 配置（采样率、进程过滤等）
• Piper TTS 配置（语言、语音速度等）
• 测试配置（测试时间、识别长度等）

重要提示

• 修改配置后必须点击"保存配置"才会生效
• 桌面客户端会自动同步最新配置
• 建议在非面试时间修改配置并测试

7.2 重置配置

点击底部"重置"按钮，恢复所有配置为默认值。

重置操作

1. 点击"重置"按钮
2. 所有字段恢复为默认值
3. 不会自动保存，需要手动点击"保存配置"

默认配置值

配置名称: ASR-Gateway
cuemate-asr 主机: localhost
cuemate-asr 端口: 10095
识别模式: 在线模式
采样率: 16000 Hz
音频块间隔: 5
起始/中间/结束块大小: 5/10/5
AudioTee 采样率: 16000 Hz
音频块时长: 0.2 秒
进程过滤: 空 []
静音进程: 关闭
Piper 默认语言: 中文 (zh-CN)
语音速度: 1.0
Python 路径: python3
测试持续时间: 60 秒
识别超时: 15 秒
最小识别长度: 5
最大识别长度: 30

使用场景

• 配置修改出错，恢复默认值
• 不确定如何配置，使用默认配置
• 测试完成后恢复推荐配置

7.3 刷新设备

点击底部"刷新"按钮，重新检测音频设备列表。

刷新功能

• 向桌面客户端请求最新设备列表
• 浏览器重新枚举本地音频设备
• 麦克风和扬声器下拉框自动更新

使用场景

• 插入新的 USB 音频设备后刷新
• 连接蓝牙耳机后刷新
• 设备列表显示异常时刷新

8. 常见问题

8.1 设备列表为空

问题：麦克风或扬声器下拉框没有设备选项。

解决方案

1. 点击"刷新"按钮重新检测设备
2. 检查桌面客户端是否正常运行
3. 确认浏览器已授予麦克风权限
4. 检查系统是否连接了音频设备
5. 重启浏览器和桌面客户端

8.2 保存配置失败

问题：点击"保存配置"按钮，提示保存失败。

解决方案

1. 检查所有必填字段是否填写
2. 检查端口号是否在 1-65535 范围内
3. 检查 JSON 格式的进程列表是否正确
4. 查看浏览器控制台是否有错误信息
5. 检查网络连接是否正常

8.3 cuemate-asr 连接失败

问题：配置保存后，桌面客户端无法连接 cuemate-asr 服务。

解决方案

1. 检查 cuemate-asr 主机地址和端口是否正确
2. 确认 cuemate-asr Docker 容器是否正常运行

   docker ps | grep cuemate-asr

3. 测试 cuemate-asr 服务是否可访问

   curl ws://localhost:10095

4. 检查防火墙是否阻止了连接
5. 查看 cuemate-asr 容器日志

   docker logs cuemate-asr

8.4 AudioTee 无法捕获系统音频

问题：设置了 AudioTee 配置，但无法捕获面试软件的音频。

解决方案（macOS）

1. 系统偏好设置 > 安全性与隐私 > 屏幕录制
2. 允许 CueMate 或桌面客户端访问屏幕录制权限
3. 检查进程过滤配置是否正确
4. 确认面试软件正在播放音频
5. 尝试关闭"静音被捕获的进程"开关
6. 查看桌面客户端日志是否有错误信息

8.5 Piper TTS 无声音

问题：配置了 Piper TTS，但播放答案时没有声音。

解决方案

1. 检查 Python 路径是否正确

   which python3

2. 确认 Piper TTS 已安装

   pip3 list | grep piper-tts

3. 检查扬声器设备是否选择正确
4. 确认系统音量未静音
5. 查看桌面客户端日志是否有 TTS 错误

8.6 语音识别准确率低

问题：语音识别经常识别错误或识别不出来。

解决方案

1. 检查麦克风设备是否正常工作
2. 选择安静的环境，减少背景噪音
3. 调整麦克风位置，靠近说话者
4. 清晰发音，语速适中，避免快速连读
5. 尝试提高 cuemate-asr 采样率到 48000 Hz
6. 切换识别模式为"两遍模式"提高准确率

8.7 识别延迟高

问题：说话后很久才显示识别结果。

解决方案

1. 降低 cuemate-asr 音频块间隔（如改为 3）
2. 减小 cuemate-asr 块大小（如起始/中间/结束改为 3/6/3）
3. 降低 AudioTee 音频块时长（如改为 0.1 秒）
4. 使用有线麦克风，避免蓝牙延迟
5. 检查系统资源占用，关闭不必要的程序
6. 确认网络连接正常，延迟较低

相关页面

• 系统设置 - 配置语言、主题、时区等系统参数
• 面试押题 - 开始语音面试，测试语音识别效果
• 日志管理 - 查看 ASR 服务日志，排查问题
• 容器监控 - 查看 cuemate-asr 容器状态