Paxa Labs
登录

Open WebUI 聊天回复的文本转语音

如果 Open WebUI 的用户读多种语言，就需要把回复用每一种语言朗读出来。把 Open WebUI 内置的 OpenAI 音频引擎指向 Paxa，填入 base URL 和 API 密钥，回复就能用中文、英语和泰语朗读。同样的设置还能通过 Paxa 语音转写加入语音输入。

免费开始阅读文档

指向 Paxa 的 OpenAI 引擎#

部署时可以用环境变量设置两个引擎，也可以在 Admin Panel 中手动填写相同的字段。字段表格取自设置指南。

AUDIO_TTS_ENGINE=openai
AUDIO_TTS_OPENAI_API_BASE_URL=https://api.paxalabs.com/v1
AUDIO_TTS_OPENAI_API_KEY=pxa_your_key_here
AUDIO_TTS_MODEL=paxa-tts-flash-v2
AUDIO_TTS_VOICE=khanomkrok
AUDIO_STT_ENGINE=openai
AUDIO_STT_OPENAI_API_BASE_URL=https://api.paxalabs.com/v1
AUDIO_STT_OPENAI_API_KEY=pxa_your_key_here
AUDIO_STT_MODEL=paxa-stt-lite-v1-preview

Read replies aloud

FieldValue
Text-to-Speech EngineOpenAI
API Base URLhttps://api.paxalabs.com/v1
API KeyYour Paxa API key
TTS Modelpaxa-tts-flash-v2
TTS VoiceA Paxa voice id, such as khanomkrok

Dictate messages

FieldValue
Speech-to-Text EngineOpenAI
API Base URLhttps://api.paxalabs.com/v1
API KeyYour Paxa API key
Request FormatMultipart Upload
STT Modelpaxa-stt-lite-v1-preview

从密钥到朗读回复#

Open WebUI 保留原有的模型和聊天。Paxa 负责朗读回复，并转写用户的语音输入。

  1. 打开音频设置

    进入 Admin Panel > Settings > Audio，Text-to-Speech 和 Speech-to-Text 各自选择引擎。

  2. 把语音合成指向 Paxa

    选择 OpenAI 引擎，把 API Base URL 设为 https://api.paxalabs.com/v1，粘贴 Paxa API 密钥，再把 TTS Model 设为 paxa-tts-flash-v2，TTS Voice 设为 Paxa 音色 ID。

  3. 加入语音输入

    在 Speech-to-Text 中选择 OpenAI，使用相同的 base URL 和密钥，把 Request Format 设为 Multipart Upload，STT Model 设为 paxa-stt-lite-v1-preview。

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#

Open WebUI 是什么？

Open WebUI 将自己描述为可扩展、功能丰富、易于使用并可完全离线运行的自托管 AI 平台。它支持 Ollama 和兼容 OpenAI 的 API，音频设置也接受兼容 OpenAI 的语音引擎。

Open WebUI 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。TTS Voice 的候选列表来自 GET /v1/audio/voices，音色库可以试听。

为什么聊天还在用旧音色？

模型上设置的音色或用户个人设置中的音色，优先于管理员的默认值。请一并修改它们，并让 Additional Parameters 保持为空。

语音输入的录音最长多久？

每段录音最长 120 分钟。Open WebUI 的 STT Model 默认为空，不带模型的请求会返回 400。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。

免费开始

产品

应用场景

集成