文档 / 使用指南
文档 · 配置入门
OPENLESS / HANDBOOK

配置入门

初次使用建议从「传统模式」起步:由 ASR 将语音转写为文字,再由 LLM 整理措辞。也可以跳过这两步,直接配置「多模态模式」或「DeepSeek 大统一」。三种管线任选其一即可跑通。

配置你的 ASR

ASR(语音识别)负责将你的声音准确转写为文字,是传统模式中的第一步。

具体操作如下:打开「设置 → AI 服务与模型」,先将识别管线切换为传统模式;接着在下方选择一家语音服务商,按对应步骤获取凭证并在「语音识别 → 添加渠道」中填写、保存并点击「验证」;验证通过后启用该渠道,并将其调整到启用列表的第一位。如果你只需要原样逐字稿,完成这一步即可直接使用,可暂不配置 LLM。

火山引擎

  1. 开通语音识别

    登录火山引擎控制台。如从火山方舟进入,依次打开「系统管理 → 开通管理 → 语音模型」,找到 Doubao 流式语音识别并点击「立即使用」;也可直接通过「豆包语音控制台」进入开通管理。填写配置前,请先确认对应服务状态已变为「已开通」。

  2. 复制凭证

    新版控制台:在同一项目的「API 管理」中创建并复制 API Key。旧版控制台:在「API 服务中心」选中对应模型和应用,于「服务接口认证信息」处复制 APP ID 和 Access Token。注意该页面也可能显示 Secret Key,但它不是 Access Token,请勿混淆。

  3. 填回 OpenLess

    在 OpenLess 中打开「设置 → AI 服务与模型 → 语音识别 → 添加渠道」,选择「火山引擎」与「普通服务」。使用新版凭证时选 API Key,使用旧版凭证时选 APP ID + Access Token,按字段名称对应填入后保存并点击「验证」。

不确定 Resource ID 如何填写?普通流式识别可先留空。若需手动填写且开通的是按时长计费的对应服务,请填入 volc.seedasr.sauc.duration。若验证仍提示权限不足,请核对所填资源标识与实际开通服务是否一致。使用 Agent Plan 的用户,应另选 Agent Plan 并填入套餐专属 Key。

官方说明:火山控制台指引 · OpenLess 火山配置说明

阿里云百炼

  1. 选择地域

    登录阿里云百炼控制台并开通模型服务,先确认目标模型所在的地域与业务空间。初次配置时,若使用 OpenLess 默认的中国内地端点,建议先切换至北京地域查看。

  2. 创建 API Key

    打开所选地域的 API Key 管理页(北京地域入口;其他地域见下方官方指引),点击「创建 API Key」,选定归属工作空间后复制。此处必须填写百炼平台的 DashScope API Key,切勿填写阿里云主账号的 AccessKey。

  3. 选择语音模型

    在 OpenLess 的「语音识别 → 添加渠道」中选择「阿里云百炼」,粘贴 API Key。语音模型可先使用默认的 fun-asr-realtime,保存后点击「验证」。

API Key、接入地址与模型必须严格属于同一地域。如能创建 Key 但验证失败,请先核对三者地域是否一致,再确认当前账号是否具备该模型的调用权限。

官方说明:官方 API Key 获取指引

讯飞开放平台

  1. 选择应用

    登录讯飞开放平台控制台,在「我的应用」中选中一个已有应用,或按提示创建一个新应用。后续凭证均需从该应用下获取。

  2. 开通实时语音转写

    为所选应用开通「实时语音转写(标准版,RTASR)」,进入该服务的鉴权信息页,复制 APPID 和 APIKey。请勿从「语音听写」或其他语音产品复制密钥,不同产品的鉴权凭证互不通用。

  3. 填入同一应用的两项凭证

    在 OpenLess 的「语音识别 → 添加渠道」中选择「讯飞」,准确填入同一应用的 AppID 和 API Key,保存后点击「验证」。

若提示鉴权失败,请按顺序核对三项:实时语音转写(标准版,RTASR)是否已开通、AppID 与 API Key 是否成对出自同一应用、本机系统时间是否准确。

官方说明:实时语音转写标准版文档

配置你的 LLM

LLM(大语言模型)接手的是上一步 ASR 识别出的纯文本:它会依据你选定的风格包去除口头语、修正自我改口、理顺语气与格式,全程无需重新处理录音。

LLM 与 ASR 完全支持跨平台混搭(例如「火山 ASR + DeepSeek 润色」),你可以根据准确率、响应速度与成本自由组合。配置时请在「设置 → AI 服务与模型 → 语言模型/文字处理」中单独添加渠道,切勿将文本模型 ID 填入 ASR 配置项。

DeepSeek

  1. 申请 API Key

    登录 DeepSeek 开放平台,进入「API Keys」页面创建一个新的 Key,建议命名清晰(例如 OpenLess)以便后续管理,创建后立即复制保存。

  2. 添加语言模型用于润色

    在 OpenLess 中打开「设置 → AI 服务与模型 → 语言模型」,添加 DeepSeek,粘贴 API Key 并选择当前账号可用的模型,保存后点击「验证」。在传统模式下,语音识别仍由你单独配置的 ASR 渠道负责。

  3. 验证润色效果

    启用并选中该语言模型渠道,选择一个润色风格后,在空白笔记里试说“呃,周五,不对,周四交稿”。请重点核对最终输出是否已将日期更正为周四,以及语气是否符合所选风格。

此处仅配置文字润色,不会改动你的语音识别渠道。如需使用同一套 DeepSeek 服务完成听写、提问、联网搜索与朗读,请参阅下方DeepSeek 大统一。

官方说明:首次调用 API

火山方舟

  1. 准备文本模型

    在火山方舟控制台开通所需的文本模型,创建方舟 API Key,并复制控制台给出的模型 ID 或推理接入点 ID。语音服务使用的 APP ID 与 Access Token 不能替代此处的方舟 API Key。

  2. 添加文字处理渠道

    打开「设置 → AI 服务与模型 → 语言模型(文字处理)」,添加「火山方舟」,选择与所开通服务一致的类型,填入对应 Key 和模型 ID。保持该服务的预设接入地址不变,依次保存、验证并启用。

普通服务与套餐服务的密钥及接入地址不可混用。如提示找不到模型,请优先核对所选服务类型与推理接入点 ID 是否匹配。

官方说明:OpenLess 配置说明

多模态:用一个模型听写

多模态是指单个模型能够处理不止一种形态的输入——例如听录音并输出文字、看图片并描述画面,或读视频并提炼摘要。模型不必同时具备这三项能力才算多模态;在为 OpenLess 挑选听写模型时,只需严格核对两项条件:能否直接输入音频,以及能否输出文字。仅支持图像输入的模型同样属于多模态,但无法用于语音听写。

与传统模式“ASR 转写 + LLM 润色”的两段式管线不同,多模态模式会将录音与指令直接交给同一个模型一步生成结果。请注意,此处配置的是 OpenLess 的麦克风听写链路,并非图片或视频上传入口。

  1. 打开「设置 → AI 服务与模型 → 识别管线」,选择多模态模式。多模态配置与传统渠道相互独立保存,切换后需前往「多模态模型」确认当前模型与密钥。
  2. 参照下方服务商卡片,依次填写提供方、模型 ID、API Key、Base URL。文档中的模型 ID 仅为示例型号,请先确认你的账号已开通对应权限。
  3. 保存后点击「验证」。随后将光标放入空白笔记,按住录音键说“明天下午两点,不对,三点开会”,松开后核对输出文本以及最终时间是否已更正为三点。部分通用模型的连接验证仅检测文本接口,验证通过不代表支持音频输入,务必通过实际录音确认。

若文本连通正常、录音时却提示不支持输入类型,请依次排查:该具体模型版本与所填接口地址是否同时支持音频输入,以及账号权限与余额是否正常。如需恢复原有配置,切回传统模式即可,此前的 ASR 与 LLM 渠道设置仍会完整保留。

Google Gemini

  1. 选择支持音频的模型

    例如 gemini-3.5-flash-lite。Gemini Flash 系列支持多种模态输入,选型时请前往官方模型页核对该具体版本确实支持 Audio 输入与 Text 输出。

  2. 填写 Gemini 预设

    在 Google AI Studio 中为项目创建 API Key。打开 OpenLess 的「多模态模型」,选择 Google Gemini,填入模型 ID 与 Key,默认 Base URL 保持为 https://generativelanguage.googleapis.com/v1beta,保存后点击「验证」。

若你的版本提供 Gemini 专用 Transcribe 模型,该模型仅走智能转写路径,不能当作通用问答或翻译模型使用。

官方说明:音频输入说明

OpenAI Audio

  1. 选择支持音频的型号

    例如 gpt-audio,可直接接收音频输入并返回文字。并非所有 GPT 型号都在同一接口下支持音频输入,仅支持图像的型号无法替代。

  2. 填写 OpenAI 预设

    在 OpenAI API 平台为对应项目创建 API Key。在 OpenLess 中选择「OpenAI(支持音频)」,填入模型 ID 与项目 Key,Base URL 填写 https://api.openai.com/v1。保存并验证通过后,务必实际试录一段声音确认。

调用前请确认该 API 项目已具备所选模型的访问权限及可用额度。此处需填写 API Key,而非 ChatGPT 网页端的登录密码。

官方说明:GPT-Audio 模型说明

阿里云 Qwen-Omni

  1. 选择 Omni 型号

    例如 qwen3-omni-flash。Qwen-Omni 可理解文本、音频、图片与视频;在 OpenLess 中听写时实际发送的是录音,请选择所在地域可用且支持音频输入的型号。

  2. 填写百炼 Omni 预设

    在百炼控制台选定模型所在地域和工作空间,创建 API Key(北京地域)。在 OpenLess 中选择「阿里云百炼 Omni」,填入 Key 与模型 ID,并使用该地域对应的兼容模式 Base URL(中国内地默认为 https://dashscope.aliyuncs.com/compatible-mode/v1)。保存、验证并试录一段。

切勿将传统 ASR 的 WebSocket 地址填到此处:多模态走的是模型服务的兼容接口。若涉及跨地域配置,请同时核对模型、密钥与接入地址三项是否一致。

官方说明:百炼 API Key · Qwen-Omni 输入说明

DeepSeek 大统一

如果你希望由 DeepSeek 统一承接语音听写、问答提问、联网搜索与语音朗读,可以选择DeepSeek 大统一。它将 DeepSeek 旗下的多项官方服务整合为一条完整管线,既不同于传统模式下仅用 DeepSeek 做文字润色,也不同于上文的单模型多模态听写。

  1. 前往 DeepSeek 开放平台创建官方 API Key,并确认账户内具备可用额度。
  2. 在 OpenLess 中依次进入「设置 → AI 服务与模型 → 识别管线」,选择「DeepSeek 大统一」。首次打开时,若你此前已启用官方 DeepSeek 文字渠道,系统可能自动带入该 Key;若输入框为空,请手动粘贴。随后选择所需的朗读音色,点击「保存配置」。日后如需更换密钥,必须在套件页面中单独保存。
  3. 打开空白笔记,按住快捷键说一句话并松开,稍候片刻即可看到转写文本。该模式在录音结束后统一上传识别,因此边说时界面暂不出现实时文字属于正常现象。你也可以打开问答窗口直接提问,待回答生成完毕后点击朗读,检验所选音色是否正常。

如果界面中未显示「DeepSeek 大统一」,请先检查当前安装的 OpenLess 版本是否已包含该入口;若未包含,仍可继续采用传统 ASR 搭配 DeepSeek LLM 的方案。语音识别与联网搜索均按服务商的计费标准结算。

官方说明:OpenLess 套件说明 · DeepSeek 语音识别说明

试录一句

完成任一管线的配置后,建议立即用一句话跑通完整链路,确认硬件权限、服务连通与文本插入均无异常:

  1. 保存渠道配置后点击「验证」。如果渠道列表中存在多个配置,请确认刚刚配置完成的渠道或套件处于启用且优先使用的状态。
  2. 打开一篇空白笔记,将光标置于正文区,按住录音快捷键说出“明天下午三点开会”,随后松开。确认这句话准确出现在笔记中,整条输入流程才算正式跑通。

如遇到异常,请按以下顺序排查:若完全没有文字输出,优先检查系统麦克风权限、当前启用的 ASR 渠道状态及服务商可用额度;若能转出逐字稿但未按风格润色,请检查语言模型渠道是否已启用并验证通过。

安全提示:API Key 属于敏感凭证,只应填写在 OpenLess 客户端或服务商官方控制台中,严禁粘贴至文档、群聊、公开工单或反馈截图。