Document isolated personal vocabulary transcription route

2026-10-25 00:22:07 -07:00
parent 035daa177d
commit 7831d5f319
1 changed files with 11 additions and 0 deletions
@@ -239,3 +239,14 @@ embedding 模型禁止使用自动追踪 latest 的别名，否则升级会混
 [Gemini embedding](https://ai.google.dev/gemini-api/docs/embeddings)、
 [Google Ranking API](https://docs.cloud.google.com/generative-ai-app-builder/docs/ranking)、
 [Hindsight 配置](https://hindsight.vectorize.io/developer/configuration)。
+# 个人语音输入热词路由（2026-10-25）
+
+独立别名 `gemini-transcribe-personal` 使用 `gemini/gemini-3.5-transcribe`，经 Google AI Studio 凭据转发。客户端调用现有 `/v1/audio/transcriptions`，无需自行传词表。该别名附带 `personal_vocabulary: true`；启动适配器仅对明确标记的 Gemini 转写请求注入原生 `generation_config.transcription_config.custom_vocabulary`，普通路由不变。
+
+个人词表来自既有 asr-pipeline 的 SQLite alias 表，只取 confirmed=1 的正确 canonical 值，优先 learned/review，再按命中次数排序，去重后最多100词。私有文件位于 tools-pve `/opt/litellm/personal-vocabulary.json`（0600），不提交 Git。词表每次请求读取；更新数据文件无需重启，但目前没有自动同步调度。
+
+语音输入使用 `response_format=json` 或 `text`；不支持词级时间戳、字幕及说话人分离。Google 目前不允许原生热词与说话人分离或词级时间戳组合。不要把这条路由用于需要 diarization 的会议流程。
+
+LiteLLM 1.104.2 原生适配未映射热词，因此 `personal_transcription.py` 使用受路由开关约束的启动适配。升级 LiteLLM 后必须重跑 `scripts/test-personal-transcription-wire.py`，确认私有开关不泄漏上游、普通请求不变、Google 请求体中存在原生词表。不要将 mock 验证等同于识别质量提升。
+
+首次上线通过两次合成词 HTTP mock 验证，以及一秒合成静音的真实 Google HTTP 200 测试；未使用私人录音，未改会议配置。LAN 客户端 key 已单独增加本别名权限，其他受限 key 需按需授权。