AnythingLLM 文本转语音与转写
每个服务商都指向 Paxa#
语音合成、语音输入和上传文件各有自己的服务商，都使用相同的 base URL 和密钥。Docker 或裸机部署可以在 .env 中一次设置全部。
# Text to speech TTS_PROVIDER="generic-openai" TTS_OPEN_AI_COMPATIBLE_ENDPOINT="https://api.paxalabs.com/v1" TTS_OPEN_AI_COMPATIBLE_KEY=pxa_your_key_here TTS_OPEN_AI_COMPATIBLE_MODEL=paxa-tts-flash-v2 TTS_OPEN_AI_COMPATIBLE_VOICE_MODEL=khanomkrok # Voice input in chat STT_PROVIDER="generic-openai" STT_OPEN_AI_COMPATIBLE_ENDPOINT="https://api.paxalabs.com/v1" STT_OPEN_AI_COMPATIBLE_KEY=pxa_your_key_here STT_OPEN_AI_COMPATIBLE_MODEL=paxa-stt-lite-v1-preview # Uploaded audio and video WHISPER_PROVIDER="generic-openai" WHISPER_GENERIC_OPEN_AI_BASE_URL="https://api.paxalabs.com/v1" WHISPER_GENERIC_OPEN_AI_API_KEY=pxa_your_key_here WHISPER_GENERIC_OPEN_AI_MODEL=paxa-stt-lite-v1-preview
Read replies aloud
| Field | Value |
|---|---|
| Base URL | https://api.paxalabs.com/v1 |
| API Key | Your Paxa API key |
| TTS Model | paxa-tts-flash-v2 |
| Voice Model | A Paxa voice id, such as khanomkrok |
Dictate prompts
| Field | Value |
|---|---|
| Base URL | https://api.paxalabs.com/v1 |
| API Key | Your Paxa API key |
| Transcription Model | paxa-stt-lite-v1-preview |
从密钥到会说话的 workspace#
AnythingLLM 保留原有的 LLM、文档和 agent。Paxa 负责朗读回复，并转写您提供的音频。
朗读回复
在 Settings > Voice & Speech 的 Text-to-speech Preference 中选择 OpenAI Compatible，把 Base URL 设为 https://api.paxalabs.com/v1，填入 Paxa API 密钥，TTS Model 设为 paxa-tts-flash-v2，Voice Model 设为 Paxa 音色 ID。
用语音输入提示
在同一页面的 Speech-to-text Preference 中选择 Generic OpenAI，使用相同的 base URL 和密钥，并把 Transcription Model 设为 paxa-stt-lite-v1-preview。
转写上传的录音
在 Settings > Transcription 中选择 OpenAI Compatible，并设置相同的 Base URL、API Key 和 Transcription Model。模型留空时，AnythingLLM 会发送 Paxa 不接受的模型名。
Paxa TTS Flash v2 标价为每百万字符 $10。Paxa STT Lite 标价为每小时音频 $0.50，按毫秒计费。
常见问题#
AnythingLLM 是什么？
AnythingLLM 将自己描述为一款一体化 AI 应用，可以完成 RAG、AI Agents 等多种任务。它有桌面版和 Docker 版，每项语音功能都接受兼容 OpenAI 的服务商。
AnythingLLM 可以使用哪些音色？
可以使用 Paxa TTS Flash v2 的全部 50 个音色，每个音色都能说中文、英语和泰语。模型和音色留空时会使用 tts-1 和 alloy，Paxa 同样接受。音色库可以试听所有音色。
为什么上传的录音返回 unknown_model？
Settings > Transcription 中的 Transcription Model 留空时，AnythingLLM 会发送一个 Paxa 不提供的 Whisper 模型名，Paxa 会返回 400 unknown_model。请把它设为 paxa-stt-lite-v1-preview。
上传的录音最长多久？
每段录音最长 120 分钟、最大 95 MiB。Paxa STT Lite 目前是研究预览版。
从免费积分开始
使用 Google、GitHub 或 Hugging Face 登录，即可用 100 一次性免费积分处理您自己的文本。