附录（小白指南）

如果您是第一次接触“模型下载 / 本地大模型 / 云端 API”，建议先从这里开始：一步一步照做即可。

附录 A：ModelScope（模型下载）

适用场景：下载 STT（SenseVoice）与本地 TTS（Qwen3-TTS / Index-TTS2）模型文件。

官方文档：https://www.modelscope.cn/docs/

1) 是否需要注册/登录？

大多数公开模型无需登录即可下载；如果遇到“权限/访问受限”等提示，通常需要在 ModelScope 网站登录后按提示开通访问权限。

2) 先确认系统架构（选对安装包/环境）

• Windows：打开“设置 → 系统 → 关于”，查看“系统类型”；或在 PowerShell 执行 $env:PROCESSOR_ARCHITECTURE
• macOS：点左上角“ → 关于本机”，查看“芯片”；或在终端执行 uname -m
• Linux：在终端执行 uname -m

3) 安装 ModelScope CLI

ModelScope 的下载命令来自其 CLI（需要本机有 Python 与 pip）。常见方式如下：

pip install modelscope
modelscope --help

4) 找模型（如果需要）

打开 ModelScope 网站，搜索模型名（例如 SenseVoice / Qwen3-TTS / IndexTTS-2），进入模型详情页复制模型 ID。

5) 下载示例（与你的文档保持一致）

modelscope download --model iic/SenseVoiceSmall --local_dir ./SenseVoiceSmall
modelscope download --model Qwen/Qwen3-TTS-12Hz-1.7B-Base --local_dir ./Qwen/Qwen3-TTS-12Hz-1.7B-Base
modelscope download --model Qwen/Qwen3-TTS-12Hz-1.7B-CustomVoice --local_dir ./Qwen/Qwen3-TTS-12Hz-1.7B-CustomVoice
modelscope download --model Qwen/Qwen3-TTS-12Hz-1.7B-VoiceDesign --local_dir ./Qwen/Qwen3-TTS-12Hz-1.7B-VoiceDesign
modelscope download --model IndexTeam/IndexTTS-2 --local_dir ./IndexTeam/IndexTTS-2

6) 在无界音流里怎么填路径？

• STT 模型目录：填写 SenseVoice 的下载目录（例如 ./SenseVoiceSmall）
• TTS 模型目录：填写您要使用的 TTS 模型目录（例如 ./Qwen/Qwen3-TTS-12Hz-1.7B-Base 或 ./IndexTeam/IndexTTS-2）

7) 小白用例（最短路径）

1. 按上面命令下载 iic/SenseVoiceSmall
2. 打开无界音流 → 设置 → 模型目录，指向 SenseVoiceSmall 目录
3. 回到主界面按 RightAlt 开始说话，看文字是否实时出现

附录 B：Ollama（本地大模型：翻译 / 纠错 / 总结）

适用场景：本机/局域网运行翻译模型与总结模型。无界音流会自动调用 Ollama 原生 /api/chat，所以 Base URL 只需填 服务地址，不需要带 /v1（典型 Base URL：http://localhost:11434）。

官方文档：https://docs.ollama.com/

API 参考：Ollama 原生 API · OpenAI 兼容协议

1) 安装（按系统/架构选择下载）

• Windows / macOS / Linux：优先按官方文档的“Download / Get started”指引安装对应架构版本

2) 验证安装

ollama --version

3) 拉取模型（与你的文档保持一致）

ollama pull ZimaBlueAI/HY-MT1.5-1.8:1.8b   # 或 :7b
ollama pull qwen3:4b

注意：该翻译模型在 Ollama 中没有 latest 标签，必须带 tag 后缀（如 :1.8b、:7b），否则会报 model 'ZimaBlueAI/HY-MT1.5-1.8' not found。

4) 无界音流配置示例

• 翻译：Base URL 填 http://localhost:11434（本机）或 http://<LAN-IP>:11434（局域网）；模型填 ZimaBlueAI/HY-MT1.5-1.8:1.8b
• 纠错/总结：Base URL 填 http://localhost:11434；模型填 qwen3:4b
• STS 同传工作台 → 翻译 API Base URL：同上，填 http://localhost:11434

本地 Ollama 一般不需要 API Key；如果您部署在远程机器/网关，请按您的部署策略决定是否需要鉴权。

兼容说明：不带 /v1 是推荐写法（调用 Ollama 原生 /api/chat）。如果您从其它产品复制了带 /v1 的 Base URL，程序也能识别并自动剥离 /v1，三个位置（实时 STT 翻译 / 总结 / STS 翻译）行为完全一致。

5) 小白用例（最短路径）

1. 安装 Ollama
2. 执行 ollama pull ZimaBlueAI/HY-MT1.5-1.8:1.8b
3. 无界音流 → 设置 → 勾选“启用翻译输出”，Base URL 填 http://localhost:11434，模型填 ZimaBlueAI/HY-MT1.5-1.8:1.8b
4. 开始录音，观察翻译结果是否出现

附录 C：火山引擎（Volcengine）云端 TTS

适用场景：希望使用云端高质量音色或声音复刻能力时，使用火山引擎云端 TTS。

官方入口：

• 火山引擎 TTS 产品页
• 豆包语音/语音大模型 文档中心
• 在线音色列表（VoiceType 参考）

1) 是否需要注册/开通？

需要。请先注册并登录火山引擎账号，在控制台开通语音相关服务，并创建可用的鉴权信息。

2) 你需要准备哪些信息（与无界音流设置项对应）

• AppId：应用标识
• Token：访问令牌
• Cluster：集群标识（示例：volcano_tts / volcengine_tts，以官方控制台为准）
• VoiceType：音色标识（可在“在线音色列表”里选择）

3) 无界音流配置示例（最小可用）

1. 无界音流 → 设置 → TTS 模型选择：选择 Volcengine TTS（火山引擎）
2. Mode 选择 HTTP（更简单；部分模式可能在未来更新）
3. 填写 AppId / Token / Cluster / VoiceType
4. 输入一段文字做合成，确认可以出声

4) 小白排错

• 提示缺少 AppId/Token/Cluster：先把这三个必填项补齐
• 提示缺少 VoiceType：从“在线音色列表”复制一个有效的 voice_type 填入
• 仍失败：优先检查 Token 是否过期、是否有服务开通权限、网络是否能访问火山引擎

附录 D：sherpa-onnx 说话人分离（Speaker Diarization）

适用场景：实时 STT 中区分 Speaker_1 / Speaker_2 / Speaker_3。除主 STT 模型（SenseVoice / FunASR）外，还需要额外配置两枚 ONNX 模型，由 sherpa-onnx 运行时驱动。

官方仓库：https://github.com/k2-fsa/sherpa-onnx

官方模型说明：sherpa-onnx speaker diarization models

1) 你需要准备哪两个文件

• segmentation.onnx——说话人分段模型（推荐 sherpa-onnx-pyannote-segmentation-3-0）
• embedding.onnx——声纹嵌入模型（推荐 3dspeaker_speech_eres2net_base_sv_zh-cn_3dspeaker_16k.onnx）

2) 下载地址

• 分段模型下载页：speaker-segmentation-models
• 嵌入模型下载页：speaker-recongition-models

从上述 Release 页直接下载对应 .onnx 文件即可，不需要编译 sherpa-onnx 源码。如果下载下来的是压缩包，请把 segmentation.onnx 与 embedding.onnx 解压出来后再使用（注意文件名需保持一致）。

3) 推荐目录结构

./speaker-diarization/
  segmentation.onnx
  embedding.onnx

4) 在无界音流里怎么填路径？

• 说话人分段模型：指向 segmentation.onnx
• 声纹嵌入模型：指向 embedding.onnx

也可以把两个字段都指向同一目录，程序会自动识别其中的 segmentation.onnx 与 embedding.onnx。

5) 注意事项

• SenseVoice / FunASR 的“模型目录”只负责语音转文字，不能替代说话人分离模型。
• 当前项目中的 speaker diarization 仅支持 ONNX；不能直接使用 Fun-ASR-Nano-2512 目录代替 segmentation.onnx / embedding.onnx。
• 如果配置后仍失败，界面会优先给出可读错误。常见原因：onnx 文件版本与当前 sherpa-onnx 运行时不兼容——优先尝试上面推荐的两枚模型。