Dify + Whisper Asr Webservice
這邊假設你已經成功啟動 dify 的服務
Whisper Asr Webservice 是一個很方便的工具，因為作者已經幫忙把語音轉文字的服務 API 化，對於應用端來說只要做常規的 API 呼叫就可以滿足應用上的需求。
啟動 Whisper Asr Webservice
啟動服務最快的方法就是使用 Docker：
docker run -d -p 9000:9000 -e ASR_MODEL=base -e ASR_ENGINE=openai_whisper \
onerahmet/openai-whisper-asr-webservice:latestdocker run -d --gpus all -p 9000:9000 -e ASR_MODEL=base -e ASR_ENGINE=openai_whisper \
onerahmet/openai-whisper-asr-webservice:latest-gpu不過要注意自己的 CUDA 版本是否有對應，如果最新版的無法啟動的話就要降版，這取決於你的硬體設備。
OpenAPI 設置
成功啟動 docker container 之後，可以直接連接到 http://你的ip:9000/docs ，沒意外的話你會看到下圖：
點擊紅框處的 openapi.json，系統會開啟一個新的視窗顯示一堆 JSON 格式的字串，複製出來後進行以下處理：
- 在
info與paths中間加入servers - 修正
requestBody中的content-type，改為multipart/form-data; boundary=----WebKitFormBoundarydzemBAPhdeDfTCfR
更多關於模型的選擇與細部配置請參考 Whisper Asr Webservice 官方文件說明。
Dify - 自定義工具設置
進入 Dify 後，點擊「工具」→「建立自定義工具」，貼上剛剛修改的 OpenAPI json 即可建立成功。
Dify - 應用流程開發
現在可以在 workflow 中取用自定義的語音轉文字工具：
設定參數：
測試應用：
將文字結果轉成問答集：
問題：客戶在聯絡退稅服務時需要提供哪些信息？
答案：...（省略部分內容）...
問題：退稅作業需要多久時間？
答案：退稅大約需要一個星期。
...（更多問答內容）...
若有興趣，可以將問答轉為主持人與來賓對話，發展成 Podcast 節目；若是公司會議紀錄，也能每日播放當作內部溝通素材。
