自己写了一个 OpenAI 兼容的本地 ASR 服务（sherpa-onnx），切句逻辑是：先用 VAD 切，如果 VAD 没给结果，就退回固定窗口。测试正常（用 60 秒完整音频直接 POST，能返回 10 段、上百字）。但上游视频工具调用它时，每一格的台词都是空的。抓服务端日志才看到：上游传 45 秒进来，服务只回…
View on GitHub →
Find related lessons →