Willow Inference Server Skill
Local ASR (speech-to-text) and TTS (text-to-speech) inference server.
Setup
1. Start Willow Inference Server
CODEBLOCK0
Server runs at INLINECODE0
2. Configure Environment
Set the server URL:
CODEBLOCK1
Or configure per request (see below).
ASR (Speech-to-Text)
Transcribe Audio File
CODEBLOCK2
Parameters
| Parameter | Description | Default |
|---|
| audio_file | Audio file to transcribe | required |
| language |
Language code (en, zh, etc.) or "auto" | auto |
| model | Whisper model (tiny, base, medium, large-v2) | server config |
| task | transcribe or translate | transcribe |
Supported Formats
- - MP3, WAV, M4A, OGG, FLAC, WebM
Example: Transcribe with curl
CODEBLOCK3
TTS (Text-to-Speech)
Convert Text to Speech
CODEBLOCK4
Parameters
| Parameter | Description | Default |
|---|
| text | Text to convert to speech | required |
| voice |
Voice ID (see below) | default voice |
| speed | Speech speed (0.5-2.0) | 1.0 |
| volume | Volume (0.0-1.0) | 1.0 |
Available Voices
Common voices (format:
gender_voicename):
- -
af_sarah - Sarah (Female) - INLINECODE3 - Bella (Female)
- INLINECODE4 - Michael (Male)
- INLINECODE5 - Alex (Male)
Check server docs for full list: INLINECODE6
Example: TTS with curl
CODEBLOCK5
Environment Variables
| Variable | Description | Default |
|---|
| WILLOWBASEURL | Server URL | https://localhost:19000 |
Workflow Examples
1. Record and Transcribe
CODEBLOCK6
2. Text to Speech
CODEBLOCK7
3. Batch Transcription
CODEBLOCK8
API Documentation
Full API docs available at: INLINECODE7
Notes
- - All endpoints require HTTPS (or HTTP if configured)
- Audio files are processed locally on the server
- ASR latency depends on model size and hardware
- TTS voices can be customized with custom voice recordings
Willow 推理服务器技能
本地 ASR（语音转文字）和 TTS（文字转语音）推理服务器。
设置
1. 启动 Willow 推理服务器
bash
git clone https://github.com/toverainc/willow-inference-server.git
cd willow-inference-server
./utils.sh install
./utils.sh gen-cert your-hostname
./utils.sh run
服务器运行在 https://your-hostname:19000
2. 配置环境
设置服务器 URL：
bash
export WILLOW
BASEURL=https://your-hostname:19000
或按请求配置（见下文）。
ASR（语音转文字）
转录音频文件
bash
curl -X POST ${WILLOW
BASEURL}/api/asr \
-F audio_file=@/path/to/audio.m4a \
-F language=auto
参数
| 参数 | 描述 | 默认值 |
|---|
| audio_file | 要转录音频文件 | 必填 |
| language |
语言代码（en、zh 等）或 auto | auto |
| model | Whisper 模型（tiny、base、medium、large-v2） | 服务器配置 |
| task | transcribe 或 translate | transcribe |
支持的格式
- - MP3、WAV、M4A、OGG、FLAC、WebM
示例：使用 curl 进行转录
bash
基础转录
curl -X POST ${WILLOW
BASEURL}/asr \
-F audio_file=@recording.m4a \
-F language=zh
指定模型
curl -X POST ${WILLOW
BASEURL}/asr \
-F audio_file=@meeting.mp3 \
-F language=en \
-F model=base
TTS（文字转语音）
将文字转换为语音
bash
curl -X POST ${WILLOW
BASEURL}/tts \
-H Content-Type: application/json \
-d {text: Hello world, voice: af_sarah}
参数
| 参数 | 描述 | 默认值 |
|---|
| text | 要转换为语音的文字 | 必填 |
| voice |
语音 ID（见下文） | 默认语音 |
| speed | 语速（0.5-2.0） | 1.0 |
| volume | 音量（0.0-1.0） | 1.0 |
可用语音
常用语音（格式：性别_语音名称）：
- - afsarah - Sarah（女声）
- afbella - Bella（女声）
- ammichael - Michael（男声）
- amalex - Alex（男声）
查看服务器文档获取完整列表：${WILLOWBASEURL}/api/docs
示例：使用 curl 进行 TTS
bash
基础 TTS
curl -X POST ${WILLOW
BASEURL}/tts \
-H Content-Type: application/json \
-d {text: 你好，这是测试} \
-o output.wav
自定义语音
curl -X POST ${WILLOW
BASEURL}/tts \
-H Content-Type: application/json \
-d {text: Hello!, voice: am_michael, speed: 1.2} \
-o hello.mp3
环境变量
| 变量 | 描述 | 默认值 |
|---|
| WILLOWBASEURL | 服务器 URL | https://localhost:19000 |
工作流示例
1. 录制并转录
bash
录制音频（macOS）
rec test.wav
转录
curl -X POST ${WILLOW
BASEURL}/asr \
-F audio_file=@test.wav \
-F language=auto
2. 文字转语音
bash
将文字转换为语音
curl -X POST ${WILLOW
BASEURL}/tts \
-H Content-Type: application/json \
-d {text: 今天的任务是学习新技能} \
-o speech.wav
3. 批量转录
bash
for f in *.m4a; do
curl -X POST ${WILLOW
BASEURL}/asr \
-F audio_file=@$f \
-F language=auto \
-o ${f%.m4a}.txt
done
API 文档
完整 API 文档位于：${WILLOW
BASEURL}/api/docs
注意事项
- - 所有端点都需要 HTTPS（或配置为 HTTP）
- 音频文件在服务器本地处理
- ASR 延迟取决于模型大小和硬件
- TTS 语音可通过自定义语音录音进行定制
