用Remote HTTP API解锁Vocalinux进阶玩法：自建语音识别服务器，手机电脑共享

【免费下载链接】vocalinux

Free, open-source, 100% offline voice dictation for Linux. Speak and type anywhere via whisper.cpp, Whisper & VOSK engines, GPU-accelerated, works on X11 + Wayland!

项目地址：
https://gitcode.com/gh_mirrors/vo/vocalinux

点击查看 免费下载

Vocalinux 是一款免费、开源、100% 离线的 Linux 语音听写工具，按住快捷键说话，文字就会出现在当前窗口。除了本地识别，它还内置了 Remote HTTP API 引擎：你可以自建语音识别服务器，把最耗算力的 Whisper 转录环节交给网络中任意一台更强的机器，笔记本和手机再共享同一台服务器——全程不经过任何第三方云服务。本文从零讲清楚三种自建服务器方案、客户端配置、手机配对和常见故障排查。

Remote HTTP API 如何工作：音频不落地，算力可外移

启用 Remote API 引擎后，Vocalinux 的工作流程是：

关键点：语音活动检测（VAD）和分句始终留在本地，只有 ASR 转录这一步是远程的。这样做的收益很直接：

• ⚡ 用更强的 GPU 机器做转录，响应更快；
• 📱 一套模型多台客户端共享，笔记本、手机说出来的文字风格一致；
• 🪶 笔记本不再承担模型加载和 GPU 占用的开销。

核心实现在 recognition_manager.py，协议细节（请求/响应格式、超时参数）完整收录在官方文档 HTTP_REMOTE.md 中。

三种自建语音识别服务器方案对比

Vocalinux 原生兼容两种 API 格式：OpenAI 兼容（POST /v1/audio/transcriptions）和 whisper.cpp server（POST /inference）。常见部署方案有三种：

方案一：whisper.cpp server（最常用）

克隆 whisper.cpp 仓库后编译自带 HTTP 服务器，下载一个模型即可：

make server
./models/download-ggml-model.sh medium.en
./build/bin/whisper-server \\
–model models/ggml-medium.en.bin \\
–host 0.0.0.0 \\
–port 8080

服务监听 http://<服务器IP>:8080，端点是 /inference。

方案二：OpenAI 兼容服务器（一行命令起步）

任何实现 POST /v1/audio/transcriptions 的服务都可以，比如用 Docker 跑 Speaches：

docker run –rm -p 8000:8000 ghcr.io/speaches-ai/speaches:latest

方案三：FunASR / SenseVoice（中文识别优选）

FunASR 可以启动本地 OpenAI 兼容转录服务，让音频留在自己的机器或局域网内：

pip install 'torch>=2.13.0' torchaudio
pip install funasr vllm fastapi uvicorn python-multipart
funasr-server –device cuda

服务默认监听 http://localhost:8000，Vocalinux 里把 Model 填 sensevoice 即可；只有 CPU 时加 –device cpu 测试，局域网里另一台 GPU 主机同样适用。

⚠️ 网络三件事：防火墙放行端口（如 ufw allow 8080/tcp）；绑定 0.0.0.0 才允许其他机器访问；如果手机也要用，记得在手机 App 上禁用明文的 HTTP 连接，大多数移动听写应用默认只接受 HTTPS。

客户端配置：Vocalinux 中接入自建服务器

打开 Vocalinux，进入 Settings → Speech Engine → Remote Server，面板长这样：

具体四步：

API Key 为可选项，配置后以 Authorization: Bearer <key> 发送。填完点 Test Connection，成功后设置自动保存并立即初始化引擎，马上就能开始说话；关掉开关则自动回到本地引擎。

该面板由 _build_remote_server_section() 构建，想改代码行为可以从这里入手。

不改界面：直接编辑配置文件

同样的选项存在于 ~/.config/vocalinux/config.json：

{
"speech_recognition": {
"engine": "remote_api",
"remote_api_url": "http://192.168.1.100:8080",
"remote_api_key": "",
"remote_api_endpoint": "/inference",
"remote_api_model": "whisper-1"
}
}

改完文件后需要重启 Vocalinux 生效。

不开 GUI 先验证：curl 一行测试

配置前可以先在命令行确认服务器本身没问题：

# whisper.cpp server
curl -F file=@sample.wav -F temperature=0.0 -F response_format=json \\
http://192.168.1.100:8080/inference

# OpenAI 兼容 / FunASR
curl -F file=@sample.wav -F model=sensevoice \\
http://localhost:8000/v1/audio/transcriptions

正常响应形如 {"text": "…"}。另外两个行为细节值得知道：连接测试超时 5 秒、转录请求超时 30 秒（超时后该句丢弃、下一句重发）；语言选 auto 时不发送 language 字段，由服务器自动检测。

手机电脑共享：一台服务器，处处说话

这是 Remote HTTP API 最好玩的地方：因为 Whisper 的 HTTP 格式足够开放，同一台自建服务器可以同时服务电脑和手机。

• 🖥️ 电脑：Vocalinux 指向服务器，配置如上节；
• 📱 手机：Android 上 Dictate、Transcribro 等应用说 OpenAI 兼容 Whisper 协议；iOS 可以用 Shortcuts 方案指向同一端点。

跑一台 Whisper 服务器，笔记本和手机都指过去，各处听写体验一致，而音频从头到尾没有离开你自己的网络。

懒人玩法：Vocalinux 内置的本地 VocaGateway

Vocalinux 还能从 Settings → Speech Model → Advanced 一键拉起本地 VocaGateway 容器（优先 podman、回退 docker），管理逻辑在 gateway_embed/manager.py。它自带手机配对功能：开启 Allow LAN access for Phone 后，gateway 会发布到局域网并给出配对 URL 和 Bearer token（QR 安全格式，解码逻辑见 pairing.py），手机扫码即连，模型还在下载时就能先配对。

两个注意点：

• 退出 Vocalinux 不会停止容器（compose 配置为 restart: unless-stopped），需要时请手动用托盘菜单的 Stop local Gateway 停止；
• 网关端口 8765 只在可信网络开放，永远不要暴露到公网。

常见问题排查清单

遇到 Remote API 报错时，先看日志：日志文件在 ~/.local/share/vocalinux/vocalinux.log，用内置日志查看器（Settings → Tray 菜单 View Logs）按模块过滤最方便：

完整排障表见 HTTP_REMOTE.md。

安全提醒：私有语音别裸奔

• 音频以原始 WAV 传输，链路上任何人都能听到——可信局域网之外必须上 TLS（Caddy、nginx、Traefik 前置终结）并强制 API key；手机 App 普遍拒绝明文 HTTP，局域网用也建议直接上 TLS；
• API key 以明文 JSON 存在 ~/.config/vocalinux/config.json，请按对待磁盘上任何密钥的方式来保护这个文件；
• Vocalinux 不做 TLS 证书 pin 校验，自签证书需要导入系统信任库。

总结

Vocalinux 默认就是纯本地的，Remote HTTP API 只是给你一个可选的"外脑"。自建服务器之后，你的声音只在自己的网络里流动，算力却可以随你放到任何一台机器上——这就是开源工具给你的自由度。

赞

分享

【免费下载链接】vocalinux

Free, open-source, 100% offline voice dictation for Linux. Speak and type anywhere via whisper.cpp, Whisper & VOSK engines, GPU-accelerated, works on X11 + Wayland!

项目地址：
https://gitcode.com/gh_mirrors/vo/vocalinux

点击查看 免费下载

相关推荐

• VPS 进阶玩法：用 1Panel 应用商店在自建服务器上部署 Umami、n8n、Bitwarden 与 Alist

  VPS 进阶玩法：用 1Panel 应用商店在自建服务器上部署 Umami、n8n、Bitwarden 与 Alist 本文是《Vibe Coding 开源教程

  教程
  Vibe Coding
  提示工程
  人工智能

• 法线向量如何可视化？sapiens2-normal-0.4b-bf16输出转RGB的实战技巧与避坑清单

  法线向量如何可视化？sapiens2 normal 0.4b bf16输出转RGB的实战技巧与避坑清单 sapiens2 normal 0.4b bf16 是

• 从命令行到服务器：Phonon-2 语音识别 API 服务搭建完整教程

  从命令行到服务器：Phonon 2 语音识别 API 服务搭建完整教程 Phonon 2 是一款不到 900 MB 的高精度开源英文语音识别（ASR）模型：下载

  人工智能
  语音
  音频
  模型量化
  本地部署

上一篇：
MPC-BE 媒体播放器完整使用指南：从入门到精通

下一篇：
MPC-BE完全攻略：从零开始掌握Windows终极播放器

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考