語音識別設定

語音識別設定頁面用於配置 FunASR 語音識別服務、AudioTee 系統音訊捕獲、Piper TTS 語音合成、音訊裝置和測試引數。所有設定統一儲存到伺服器，並自動同步到桌面客戶端。

注：預設所有配置都有預設值，除了本地的麥克風和揚聲器需要額外配置。

1. 進入語音識別設定

點選頂部下拉選單選單中的"語音設定"，進入設定頁面。

頂部下拉選單選單

頁面包含五個配置標籤頁：

裝置配置：麥克風和揚聲器設定
FunASR 配置：語音識別服務引數
AudioTee 配置：系統音訊捕獲配置
Piper TTS 配置：語音合成引數
測試配置：測試引數設定

進入語音識別設定

2. 裝置配置

NOTE

裝置配置需要桌面客戶端正常執行。Web 端會自動從桌面客戶端獲取裝置列表，請確保桌面應用已啟動。

2.1 麥克風設定

在"裝置配置"標籤頁，配置麥克風音訊輸入裝置。

麥克風配置

TIP

推薦裝置選擇：

首選：電腦內建麥克風（簡單方便）
環境嘈雜時：頭戴式耳機麥克風（降噪效果好）
追求高質量：專業 USB 麥克風（識別準確率高）

麥克風音源

下拉框顯示系統中所有可用的麥克風裝置
桌面客戶端會自動檢測並上報裝置列表到 Web 端
選擇要使用的麥克風裝置
首選電腦本身的內建麥克風（如 MacBook 內建麥克風）
也支援外接麥克風（如 USB 麥克風、頭戴式耳機麥克風）
裝置格式示例：內建麥克風、USB 麥克風

麥克風裝置名稱

自動顯示選中麥克風的完整名稱
只讀欄位，不可手動編輯
用於確認選擇的裝置是否正確

使用場景

麥克風是模擬面試和麵試訓練的核心輸入裝置，主要用於：

使用者語音輸入
- 使用者在模擬面試中回答問題時，麥克風捕獲您的語音
- 語音透過 FunASR 服務實時轉換為文字
- 文字內容傳送給 LLM 生成智慧答案和建議
- 整個過程實現了"說話 → 識別 → AI 回答"的閉環
面試訓練場景
- 練習口語表達時，麥克風記錄您的回答
- 系統識別您的語音內容，分析回答質量
- 根據識別結果提供針對性反饋

裝置選擇建議

優先使用電腦內建麥克風，簡單方便，無需額外裝置
環境嘈雜時可選擇頭戴式耳機麥克風，減少背景噪音
追求更高識別準確率可使用專業 USB 麥克風

2.2 揚聲器設定

在"裝置配置"標籤頁，配置揚聲器音訊輸出裝置。

揚聲器配置

揚聲器音源

下拉框顯示系統中所有可用的揚聲器裝置
桌面客戶端會自動檢測並上報裝置列表
選擇要使用的揚聲器裝置
首選電腦本身的內建揚聲器（如 MacBook 內建揚聲器）
也支援外接音訊裝置（如 USB 音箱、藍芽耳機、有線耳機）
裝置格式示例：內建揚聲器、USB 音箱、藍芽耳機

揚聲器裝置名稱

自動顯示選中揚聲器的完整名稱
只讀欄位，不可手動編輯
用於確認選擇的裝置是否正確

使用場景

揚聲器在模擬面試和麵試訓練中承擔兩個關鍵作用：

播放 AI 生成的答案語音（Piper TTS）
- 當您說話後，AI 會生成智慧答案和建議
- Piper TTS 將文字答案轉換為自然流暢的語音
- 透過揚聲器播放出來，您可以聽到 AI 的回答
- 這樣無需盯著螢幕看文字，解放雙眼，專注思考
捕獲面試官的語音（AudioTee 系統音訊捕獲）
- 這是揚聲器最重要的功能
- 當您使用騰訊會議、Zoom 等軟體進行模擬面試訓練時
- 模擬面試官的聲音會從揚聲器播放出來
- AudioTee 捕獲揚聲器播放的系統音訊流
- 捕獲的音訊透過 FunASR 識別成文字
- AI 分析問題，實時生成答案提示
- 實現了"語音播放 → 揚聲器輸出 → AudioTee 捕獲 → FunASR 識別 → AI 生成答案"的完整流程

技術原理說明

為什麼揚聲器對捕獲面試官語音至關重要：

面試軟體（騰訊會議、Zoom）的音訊輸出到揚聲器
AudioTee 作為系統級音訊捕獲工具，攔截髮送到揚聲器的音訊流
即使您戴著耳機，AudioTee 也能捕獲到音訊資料
這是一種非侵入式的音訊捕獲方案，不影響面試軟體正常執行

裝置選擇建議

優先使用電腦內建揚聲器，系統音訊捕獲最穩定
使用耳機時確保 AudioTee 能正確識別音訊裝置
避免使用藍芽裝置，可能存在延遲和相容性問題
面試訓練場景建議使用有線耳機，保證音質和捕獲穩定性

2.3 重新整理裝置列表

如果連線了新的音訊裝置，點選底部"重新整理"按鈕重新檢測裝置列表。

重新整理操作

點選"重新整理"按鈕
向桌面客戶端傳送裝置請求
瀏覽器重新列舉本地音訊裝置
裝置列表自動更新

使用場景

插入新的 USB 麥克風或音箱後重新整理列表
連線藍芽耳機後重新整理裝置
裝置列表顯示異常時重新載入

3. FunASR 配置

3.1 基本配置

在"FunASR 配置"標籤頁，配置 FunASR 語音識別服務的連線引數。

注：預設所有配置都有預設值，不需要修改。

FunASR 配置

配置名稱

為當前配置命名
預設值：ASR-Gateway
便於識別和管理多個配置

FunASR 主機地址

FunASR 服務的主機地址
預設值：localhost
本地部署填寫 localhost 或 127.0.0.1
遠端部署填寫伺服器 IP 地址

FunASR 埠

FunASR 服務的 WebSocket 埠
預設值：10095
取值範圍：1-65535
確保埠未被其他服務佔用

識別模式

線上模式（online）：實時流式識別，低延遲，邊說邊轉文字
離線模式（offline）：錄音完成後統一識別，準確率高
兩遍模式（2pass）：先線上實時顯示，再離線最佳化結果

使用場景

面試場景推薦使用"線上模式"，實時看到答案
錄音轉文字推薦使用"離線模式"，準確率更高
重要會議推薦使用"兩遍模式"，兼顧實時性和準確性

3.2 音訊引數

取樣率（Hz）

音訊取樣率，影響識別質量
預設值：16000 Hz
取值範圍：8000-48000 Hz
推薦使用 16000 Hz，平衡質量和效能

音訊塊間隔

音訊塊傳送間隔
預設值：5
取值範圍：1-20
值越小延遲越低，但網路壓力越大

3.3 音訊塊大小配置

FunASR 使用分塊識別策略，將音訊流分為起始、中間、結束三個階段。

起始塊大小（chunk_size_start）

語音開始階段的音訊塊大小
預設值：5
取值範圍：1-20
較小的值可以快速觸發識別

中間塊大小（chunk_size_middle）

語音持續階段的音訊塊大小
預設值：10
取值範圍：1-20
較大的值提高穩定識別

結束塊大小（chunk_size_end）

語音結束階段的音訊塊大小
預設值：5
取值範圍：1-20
較小的值可以快速結束識別

調優建議

起始塊和結束塊較小，快速響應
中間塊較大，穩定識別長句子
總體值越小越實時，但識別可能不穩定
總體值越大越穩定，但延遲越高

4. AudioTee 配置

4.1 AudioTee 簡介

AudioTee 是系統音訊捕獲工具，用於捕獲面試軟體（如騰訊會議、Zoom）的音訊輸出，實現面試官語音識別。

4.2 基本配置

在"AudioTee 配置"標籤頁，配置系統音訊捕獲引數。

注：預設所有配置都有預設值，不需要修改。

AudioTee 配置

AudioTee 取樣率

系統音訊捕獲的取樣率
預設值：16000 Hz（推薦）
可選值：8000/16000/22050/24000/32000/44100/48000 Hz
推薦使用 16000 Hz，與 FunASR 取樣率保持一致

音訊塊時長（秒）

每個音訊塊的時長
預設值：0.2 秒
取值範圍：0.1-2.0 秒
值越小延遲越低，但處理頻率越高

4.3 程序過濾配置

AudioTee 支援過濾特定程序的音訊，實現精確捕獲。

包含程序列表（JSON）

只捕獲指定程序的音訊
格式：JSON 字串陣列
示例：["1234", "5678"]
留空表示捕獲所有程序音訊

排除程序列表（JSON）

排除指定程序的音訊
格式：JSON 字串陣列
示例：["9999"]
用於過濾不需要的音訊源

程序過濾邏輯

如果設定了"包含程序列表"，只捕獲列表中的程序音訊
如果設定了"排除程序列表"，不捕獲列表中的程序音訊
兩個列表可以組合使用

使用場景

只捕獲騰訊會議的音訊：包含程序列表填寫騰訊會議的程序 ID
排除音樂播放器的音訊：排除程序列表填寫音樂播放器的程序 ID
預設捕獲所有系統音訊：兩個列表都留空 []

獲取程序 ID（macOS）

bash

# 查詢騰訊會議程序 ID
ps aux | grep "TencentMeeting"

# 查詢 Zoom 程序 ID
ps aux | grep "zoom.us"

4.4 靜音控制

靜音被捕獲的程序

開關控制是否靜音被捕獲的程序音訊
開啟後，被捕獲的音訊不會從揚聲器播放
關閉後，正常播放音訊的同時進行捕獲
預設值：關閉

使用場景

面試時想要安靜環境，開啟靜音
需要聽到面試官聲音，關閉靜音
錄製時不想打擾他人，開啟靜音

5. Piper TTS 配置

5.1 Piper TTS 簡介

Piper TTS 是本地神經網路語音合成系統，將文字轉換為自然流暢的語音。桌面客戶端使用 Piper TTS 朗讀 AI 生成的答案。

技術實現

Piper TTS 已透過 PyInstaller 打包為獨立可執行檔案
內建 Python 執行時和所有必要依賴
無需使用者單獨安裝 Python 或配置環境
隨桌面客戶端一起分發，開箱即用
支援中文（花顏女聲）和英文（Amy 女聲）兩種語音模型

5.2 語音配置

在"Piper TTS 配置"標籤頁，配置語音合成引數。

注：預設所有配置都有預設值，不需要修改。

Piper TTS 配置

預設語言

選擇 TTS 語音合成的預設語言
中文（zh-CN）：使用花顏女聲中文模型
英文（en-US）：使用 Amy 女聲英文模型
會根據使用者設定的介面語言自動選擇對應語音

語音速度

控制語音朗讀的速度
預設值：1.0（正常速度）
取值範圍：0.5-2.0
0.5 表示慢速，2.0 表示快速
建議使用 0.8-1.2 之間的值

語音速度選擇建議

0.5-0.7：學習模式，慢速理解
0.8-1.0：正常模式，舒適自然
1.1-1.5：快速模式，節省時間
1.6-2.0：極速模式，快速瀏覽

使用場景

中文面試選擇"中文（zh-CN）"
英文面試選擇"英文（en-US）"
答案較長時降低語音速度，便於理解
時間緊迫時提高語音速度，快速瀏覽

配置建議

語音語言應與系統設定的介面語言保持一致
語音速度建議在 0.9-1.1 之間，過快或過慢都不自然

NOTE

關於 Python 依賴：桌面客戶端已內建 Piper TTS 獨立可執行檔案（使用 PyInstaller 打包），無需單獨安裝 Python 和 piper-tts 依賴。所有必要元件已隨應用一起分發。

6. 測試配置

6.1 測試引數

在"測試配置"標籤頁，配置音訊裝置和語音識別的測試引數。

注：預設所有配置都有預設值，不需要修改。

測試配置

測試持續時間（秒）

裝置測試的最大持續時間
預設值：60 秒
取值範圍：10-300 秒
超過時間後自動停止測試

識別超時時間（秒）

語音識別的超時時間
預設值：15 秒
取值範圍：5-60 秒
超過時間未識別到語音，認為識別失敗

6.2 識別長度限制

最小識別長度

識別結果的最小字元數
預設值：5
取值範圍：1-50
少於此長度的識別結果可能被過濾

最大識別長度

識別結果的最大字元數
預設值：30
取值範圍：10-200
超過此長度的識別結果可能被截斷

使用場景

過濾短語音（如"嗯"、"啊"）設定最小識別長度為 5
限制長句子識別設定最大識別長度
測試時可以調整這些引數觀察效果

7. 儲存和重置

7.1 儲存配置

點選底部"儲存配置"按鈕，將所有配置儲存到伺服器。

儲存配置

儲存流程

點選"儲存配置"按鈕
驗證所有必填欄位是否填寫正確
提交配置到伺服器
伺服器儲存配置並返回確認
顯示"配置已儲存"成功提示
桌面客戶端自動同步新配置

儲存內容

裝置配置（麥克風、揚聲器）
FunASR 配置（主機、埠、模式等）
AudioTee 配置（取樣率、程序過濾等）
Piper TTS 配置（語言、語音速度等）
測試配置（測試時間、識別長度等）

重要提示

修改配置後必須點選"儲存配置"才會生效
桌面客戶端會自動同步最新配置
建議在非面試時間修改配置並測試

7.2 重置配置

點選底部"重置"按鈕，恢復所有配置為預設值。

重置操作

點選"重置"按鈕
所有欄位恢復為預設值
不會自動儲存，需要手動點選"儲存配置"

預設配置值

配置名稱: ASR-Gateway
FunASR 主機: localhost
FunASR 埠: 10095
識別模式: 線上模式
取樣率: 16000 Hz
音訊塊間隔: 5
起始/中間/結束塊大小: 5/10/5
AudioTee 取樣率: 16000 Hz
音訊塊時長: 0.2 秒
程序過濾: 空 []
靜音程序: 關閉
Piper 預設語言: 中文 (zh-CN)
語音速度: 1.0
測試持續時間: 60 秒
識別超時: 15 秒
最小識別長度: 5
最大識別長度: 30

使用場景

配置修改出錯，恢復預設值
不確定如何配置，使用預設配置
測試完成後恢復推薦配置

7.3 重新整理裝置

點選底部"重新整理"按鈕，重新檢測音訊裝置列表。

重新整理功能

向桌面客戶端請求最新裝置列表
瀏覽器重新列舉本地音訊裝置
麥克風和揚聲器下拉框自動更新

使用場景

插入新的 USB 音訊裝置後重新整理
連線藍芽耳機後重新整理
裝置列表顯示異常時重新整理

8. 常見問題

8.1 裝置列表為空

問題：麥克風或揚聲器下拉框沒有裝置選項。

解決方案

點選"重新整理"按鈕重新檢測裝置
檢查桌面客戶端是否正常執行
確認瀏覽器已授予麥克風許可權
檢查系統是否連線了音訊裝置
重啟瀏覽器和桌面客戶端

8.2 儲存配置失敗

問題：點選"儲存配置"按鈕，提示儲存失敗。

解決方案

檢查所有必填欄位是否填寫
檢查埠號是否在 1-65535 範圍內
檢查 JSON 格式的程序列表是否正確
檢視瀏覽器控制檯是否有錯誤資訊
檢查網路連線是否正常

8.3 FunASR 連線失敗

問題：配置儲存後，桌面客戶端無法連線 FunASR 服務。

解決方案

檢查 FunASR 主機地址和埠是否正確
確認 FunASR Docker 容器是否正常執行
bash
```
docker ps | grep FunASR
```
測試 FunASR 服務是否可訪問
bash
```
curl ws://localhost:10095
```
檢查防火牆是否阻止了連線
檢視 FunASR 容器日誌
bash
```
docker logs FunASR
```

8.4 AudioTee 無法捕獲系統音訊

問題：設定了 AudioTee 配置，但無法捕獲面試軟體的音訊。

解決方案（macOS）

系統偏好設定 > 安全性與隱私 > 螢幕錄製
允許 CueMate 或桌面客戶端訪問螢幕錄製許可權
檢查程序過濾配置是否正確
確認面試軟體正在播放音訊
嘗試關閉"靜音被捕獲的程序"開關
檢視桌面客戶端日誌是否有錯誤資訊

8.5 Piper TTS 無聲音

問題：配置了 Piper TTS，但播放答案時沒有聲音。

解決方案

檢查揚聲器裝置是否選擇正確
確認系統音量未靜音
檢查 Piper TTS 語言設定是否與內容匹配（中文內容需選擇中文語音）
檢視桌面客戶端日誌是否有 TTS 錯誤
- macOS: ~/Library/Application Support/cuemate-desktop-client/data/logs/
確認 Piper TTS 二進位制檔案是否正常
- 二進位制檔案位置: resources/piper-bin/piper
- 如果檔案丟失或損壞,請重新安裝桌面客戶端

NOTE

Piper TTS 已作為獨立可執行檔案內建在桌面客戶端中,無需單獨安裝 Python 或 piper-tts 包。如果遇到問題,通常是配置或系統許可權問題,而非依賴缺失。

8.6 語音識別準確率低

問題：語音識別經常識別錯誤或識別不出來。

解決方案

檢查麥克風裝置是否正常工作
選擇安靜的環境，減少背景噪音
調整麥克風位置，靠近說話者
清晰發音，語速適中，避免快速連讀
嘗試提高 FunASR 取樣率到 48000 Hz
切換識別模式為"兩遍模式"提高準確率

8.7 識別延遲高

問題：說話後很久才顯示識別結果。

解決方案

降低 FunASR 音訊塊間隔（如改為 3）
減小 FunASR 塊大小（如起始/中間/結束改為 3/6/3）
降低 AudioTee 音訊塊時長（如改為 0.1 秒）
使用有線麥克風，避免藍芽延遲
檢查系統資源佔用，關閉不必要的程式
確認網路連線正常，延遲較低

模型設定

語音識別設定

1. 進入語音識別設定

2. 裝置配置

2.1 麥克風設定

2.2 揚聲器設定

2.3 重新整理裝置列表

3. FunASR 配置

3.1 基本配置

3.2 音訊引數

3.3 音訊塊大小配置

4. AudioTee 配置

4.1 AudioTee 簡介

4.2 基本配置

4.3 程序過濾配置

4.4 靜音控制

5. Piper TTS 配置

5.1 Piper TTS 簡介

5.2 語音配置

6. 測試配置

6.1 測試引數

6.2 識別長度限制

7. 儲存和重置

7.1 儲存配置

7.2 重置配置

7.3 重新整理裝置

8. 常見問題

8.1 裝置列表為空

8.2 儲存配置失敗

8.3 FunASR 連線失敗

8.4 AudioTee 無法捕獲系統音訊

8.5 Piper TTS 無聲音

8.6 語音識別準確率低

8.7 識別延遲高

相關頁面

語音識別設定 ​

1. 進入語音識別設定 ​

2. 裝置配置 ​

2.1 麥克風設定 ​

2.2 揚聲器設定 ​

2.3 重新整理裝置列表 ​

3. FunASR 配置 ​

3.1 基本配置 ​

3.2 音訊引數 ​

3.3 音訊塊大小配置 ​

4. AudioTee 配置 ​

4.1 AudioTee 簡介 ​

4.2 基本配置 ​

4.3 程序過濾配置 ​

4.4 靜音控制 ​

5. Piper TTS 配置 ​

5.1 Piper TTS 簡介 ​

5.2 語音配置 ​

6. 測試配置 ​

6.1 測試引數 ​

6.2 識別長度限制 ​

7. 儲存和重置 ​

7.1 儲存配置 ​

7.2 重置配置 ​

7.3 重新整理裝置 ​

8. 常見問題 ​

8.1 裝置列表為空 ​

8.2 儲存配置失敗 ​

8.3 FunASR 連線失敗 ​

8.4 AudioTee 無法捕獲系統音訊 ​

8.5 Piper TTS 無聲音 ​

8.6 語音識別準確率低 ​

8.7 識別延遲高 ​

相關頁面 ​

語音識別設定

1. 進入語音識別設定

2. 裝置配置

2.1 麥克風設定

2.2 揚聲器設定

2.3 重新整理裝置列表

3. FunASR 配置

3.1 基本配置

3.2 音訊引數

3.3 音訊塊大小配置

4. AudioTee 配置

4.1 AudioTee 簡介

4.2 基本配置

4.3 程序過濾配置

4.4 靜音控制

5. Piper TTS 配置

5.1 Piper TTS 簡介

5.2 語音配置

6. 測試配置

6.1 測試引數

6.2 識別長度限制

7. 儲存和重置

7.1 儲存配置

7.2 重置配置

7.3 重新整理裝置

8. 常見問題

8.1 裝置列表為空

8.2 儲存配置失敗

8.3 FunASR 連線失敗

8.4 AudioTee 無法捕獲系統音訊

8.5 Piper TTS 無聲音

8.6 語音識別準確率低

8.7 識別延遲高

相關頁面