云端语音识别：注册与配置
这是**语音转文字（ASR）**教程，不是截图文字识别。截图与图片的云端 OCR 配置单独说明；同一家公司的密钥可以同时用于语音与文字识别（见 OCR 教程）；两类服务的开通、权限与上传授权互相独立。
注册入口与账号区域
Section titled “注册入口与账号区域”| 服务 | 注册或登录入口 | 当前应用接入说明 |
|---|---|---|
| Deepgram | 国际注册入口 | 英文控制台；按下文创建项目 API Key |
| 火山引擎 | 中国控制台 | 豆包语音；不是 BytePlus 账号或密钥 |
| 腾讯云 | 中国站 · 国际站 | 本教程对应中国控制台；国际账号未完成应用实测 |
| 阿里云 | 中国站 · 国际站 | 本教程对应国内 NLS；国际账号、地域与权限需另行验证 |
| 百度 | 账号入口 | 本教程对应中国站语音服务 |
| 讯飞 | 开放平台 | 本教程对应中国站语音听写 |
| OpenAI | API 平台 | 按请求计费；同一密钥也用于“我的 AI 模型” |
| Groq | 控制台 | Whisper 模型；同一密钥也用于“我的 AI 模型” |
| Google Cloud | 云控制台 | Speech-to-Text，使用 API 密钥；同一密钥也用于 Google 文字识别 |
| Microsoft Azure | Azure 门户 | Speech 资源的密钥与区域；多服务密钥也用于 Azure 文字识别 |
| AssemblyAI | 控制台 | 短录音（最长两分钟），单次请求 |
| ElevenLabs | ElevenLabs | Scribe 语音转文字，最长五分钟 |
| 其他兼容 OpenAI 的服务 | 服务商自己的文档 | 地址、模型和密钥由你填写 |
界面语言不会改变服务商账号区域。国际站账号与中国站账号、密钥和服务开通状态不能假定通用。选择英文也不会自动切换你的常用模型或上传对象。
打开 设置 → 语音识别 → 云端服务 → 配置。下面按服务商说明点哪里、拿到什么、填到哪个框。选择本地模型无需注册云端账号或填写密钥。
截图由噜噜提供，拍摄于 2026 年 10 月 7 日；账号与凭据已遮挡。控制台改版后入口可能不同，可参考各节的官方入口。服务开通可能涉及费用，请先查看服务商的额度与计费说明。
- 打开豆包语音控制台。进入左侧 开通管理，找到 流式语音识别 2.0。未开通时点击右侧 开通；截图显示的是已经开通的状态。
- 进入左侧 API Key，点击 创建 API Key。需要复制已有密钥时，点击密钥旁的眼睛图标显示完整值。
- 将密钥填到随言的 API Key 框。本应用使用豆包语音 API Key，不要填通用 IAM AccessKey，也不需要额外填写 App ID。
- 在控制台搜索 访问管理，进入 访问密钥 → API 密钥管理，点击 新建密钥，取得 SecretId 和 SecretKey。SecretKey 只在创建时显示，请妥善保存。下图是列表页，不是新建后展示完整密钥的弹窗。
- 回到随言：SecretId → Secret ID，SecretKey → Secret Key。
- 点击控制台右上角头像，进入 账号信息，取得 APP ID，填入随言的 账号 AppID。
- 确认账号已开通语音识别服务，且所用凭据有调用权限。
- 打开RAM 控制台，为有语音服务权限的 RAM 用户创建 AccessKey，取得 AccessKey ID 和 AccessKey Secret。优先使用授权的 RAM 用户；下图是入口示意，按钮可能因当前身份或密钥数量而不可用。
- 在随言中分别填入 AccessKey ID 和 AccessKey Secret。
- 打开智能语音交互控制台，开通服务，进入 全部项目／项目管理 → 创建项目，从项目列表复制 Appkey，填入随言的 NLS AppKey。
NLS AppKey 是项目标识，与 AccessKey ID / AccessKey Secret 不同，三个字段都需要填写。
此部分为文字参考，原教程未提供百度账号操作截图，也未完成真实账号验证。
打开百度智能云，通过登录页登录后进入语音控制台。按控制台要求完成账号验证、开通服务并创建语音应用，从该应用取得 API Key 和 Secret Key，填写随言对应的两个框。
此部分补充软件所需字段，未包含逐步操作截图。打开讯飞开放平台控制台，选择已开通语音听写服务的应用，在该应用的服务凭据页取得 App ID、API Key、API Secret，分别填入随言同名的三个框。不要把 API Secret 当作 API Key。
Deepgram 配置
Section titled “Deepgram 配置”此部分补充软件所需字段，未包含逐步操作截图。打开Deepgram 控制台，在所用项目的 API Keys 中创建具有语音识别调用权限的密钥，填入随言的 API Key 框。
OpenAI 配置
Section titled “OpenAI 配置”- 在 OpenAI API 平台 注册并开通计费。语音识别按请求收费。
- 打开 API keys，创建密钥并复制。密钥只显示一次。
- 在随言中选择 OpenAI，选一个模型（默认
gpt-4o-mini-transcribe；whisper-1是较早的模型），把密钥填入 API Key。 - 阅读上传说明（松开按键时，整段录音最长五分钟，会发送给 OpenAI），确认授权后测试连接。测试只读取模型列表，不发送录音。
“我的 AI 模型”里的 OpenAI 也使用这个密钥，只需填写一次。官方语音转文字指南
Groq 配置
Section titled “Groq 配置”- 在 Groq 控制台 注册，打开 API keys。
- 创建密钥并复制。
- 在随言中选择 Groq，选一个 Whisper 模型（默认
whisper-large-v3-turbo），把密钥填入 API Key。 - 同上确认上传授权并测试。Groq 的套餐对请求数和文件大小有限制；达到上限时，服务的提示会说明。
“我的 AI 模型”里的 Groq 也使用这个密钥。官方语音转文字指南
其他兼容 OpenAI 的服务
Section titled “其他兼容 OpenAI 的服务”任何复制了 OpenAI 转录接口的服务都可以用，填写它自己的地址、模型和密钥。随言提供三个预设，地址和模型都取自各自的文档：
- Together AI：
https://api.together.xyz/v1，模型openai/whisper-large-v3 - Mistral（Voxtral）：
https://api.mistral.ai/v1，模型voxtral-mini-latest - 硅基流动：
https://api.siliconflow.cn/v1，模型FunAudioLLM/SenseVoiceSmall
使用预设前，请对照服务商的最新文档核对。本机上的 Whisper 服务也可以：地址填 http://127.0.0.1 或 http://localhost 加端口，录音不离开这台 Mac。地址必须是 https；只有本机（127.0.0.1 或 localhost）可以用 http。地址里不能含用户名、密码或查询参数。密钥只发送到你填写的地址，授权页会写明这个地址。
Google Cloud 语音转文字配置
Section titled “Google Cloud 语音转文字配置”- 在 Google Cloud 控制台 创建或选择项目，并开通计费。语音转文字是付费服务，免费额度有限。
- 在项目里启用 Cloud Speech-to-Text API。
- 打开 API 和服务 → 凭据，创建 API 密钥，并限制为只能调用 Speech-to-Text API。
- 在随言中选择 Google，把密钥填入 API Key，并说明录音的语言。同一个密钥也用于 Google 文字识别，只需填写一次。
- 确认上传授权并测试。录音最长一分钟。
Microsoft Azure 语音配置
Section titled “Microsoft Azure 语音配置”- 登录 Azure 门户，创建一个 Speech 资源。
- 打开资源的 密钥和终结点 页面，复制一个密钥，并记下 区域，例如
eastus。 - 在随言中选择 Azure，把密钥填入 API Key，把区域填入区域框。门户里的资源地址也可以，但必须是 Microsoft Azure 域名下的
https地址。 - 说明录音的语言。录音最长一分钟。Azure 识别器按原样保留词语，不接收你的词库。
多服务（multi-service）的 Azure 密钥也用于 Azure 文字识别；只为语音创建的资源读不了图片。官方语音服务文档
AssemblyAI 配置
Section titled “AssemblyAI 配置”- 在 AssemblyAI 注册，打开 API 密钥控制台。
- 复制密钥填入随言的 API Key，并选择 AssemblyAI。
- 说明语言。不说明时默认按英文处理。录音最长两分钟；短录音接口每段录音只发一次请求。
- 确认上传授权并测试。测试读取转写列表，不发送录音。
ElevenLabs Scribe 配置
Section titled “ElevenLabs Scribe 配置”- 在 ElevenLabs 注册，并在账户设置里创建 API 密钥。
- 在随言中选择 ElevenLabs，把密钥填入 API Key，并确认上传授权。
- Scribe 默认自动识别语言，也可以指定。录音最长五分钟。它不会添加笑声等声音描述。
- 测试连接；测试读取模型列表，不发送录音。
- 阅读配置窗口的录音上传说明，决定是否同意将语音发送给当前服务商。未同意时不会连接服务商。
- 点击 测试连接，查看按钮旁的反馈。它检查连接与鉴权，不发送录音，也不能代替实际识别测试。
- 点击 保存，将该服务设为常用模型，再回到输入页 试说一句。
取消录音会停止后续上传，但无法撤回已经发送的音频：说话时流式发送的部分，或松开按键后整段发送的录音。密钥仅填写在应用或服务商控制台里，请勿放进反馈、截图或公开文档。
原始教程：噜噜，2026-10-07。本站整理并补充字段对照。