模型服务与系统配置总览 (BYOK 架构)
DuRT 始终坚持极客实用主义、用户隐私绝对第一、定价透明零套路的产品哲学。在核心技术底座上,DuRT 采用纯客户端的 BYOK(Bring Your Own Key,自带密钥) 架构——所有云端 API 请求直接由您的 Mac 客户端发起,应用开发者不架设中转代理,绝无任何代充加价与隐私拦截。
同时,DuRT 充分挖掘 Apple Silicon 芯片硬件潜力,大量内置或支持私有化部署 100% 离线模型,即使拔掉网线,整个语音生产管线依然能完整闭环运转。
4 大能力生态全景导览
配合 DuRT 客户端的设置面板,文档系统将模型与服务划分为四大独立板块:
mermaid
flowchart TD
subgraph DurtSettings["DuRT 客户端核心配置域"]
direction TB
C1["🎙️ 语音识别服务 (ASR)<br>【实时流式 Realtime vs 媒体文件 File】"]
C2["🧠 语言模型与翻译 (LLM)<br>【macOS 15 离线翻译 + 15+ 商业大模型】"]
C3["🗣️ 语音合成与配音 (TTS)<br>【拟真声音设计、声音克隆与多引擎聚合】"]
C4["📦 知识资产与分发渠道<br>【提示词库、专业术语库与 6 大云端投递】"]
end
C1 --> M1["[查看 ASR 全景选型矩阵](/zh/services/asr-overview)"]
C2 --> M2["[查看 LLM 全景选型矩阵](/zh/services/llm-overview)"]
C3 --> M3["[查看 TTS 全景选型矩阵](/zh/services/tts-overview)"]
C4 --> M4["[查看渠道与集成总览](/zh/integrations/)"]1. 语音识别服务 (Speech Recognition)
彻底厘清数据形态与引擎边界:
- 实时流式语音 (Realtime Speech):驱动桌面悬浮字幕与麦克风听写,支持 Apple 原生离线语音 (0 延迟/0 流量)、OneASR WebSocket 流式网关、OpenAI 实时通道;
- 媒体文件转录 (File Transcription):长音频/视频文件切片转录与在线直链提取,支持 OneASR 聚合网关 (支持 B站/YouTube 直链抓取/毫秒词戳/说话人分离)、OpenAI Whisper-1;
- 重要提示:Apple 原生语音仅支持音频流实时转录,不支持媒体文件导入。
- 🔗 进入专题:语音识别总览与选型矩阵
2. 大语言模型与翻译服务 (LLM & Translation)
负责上下文润色、双语翻译与结构化会议纪要提炼:
- 离线神经翻译:依托 macOS 15+ Apple Translation 原生框架,100% 离线极速输出双语字幕;
- 15+ 主流商业与开源模型:
- 商业旗舰:OpenAI (GPT-4o)、DeepSeek (V3/R1)、Anthropic Claude 3.7、Google Gemini、xAI Grok;
- 国内合规直连:阿里云通义千问、智谱 AI (GLM)、月之暗面 Kimi (128k 超长文)、腾讯混元、百度文心;
- 本地私有化:Ollama(本地无网私有化运行);
- 极速推理网关:SiliconFlow(硅基流动)、Groq、OpenRouter。
- 🔗 进入专题:大模型与翻译全景矩阵
3. 语音合成与角色配音 (Text-to-Speech)
为字幕内容赋予富有感染力的人声,实现工作流全自动视频配音:
- 小米 MiMo:支持自然语言描述音色(Voice Design)与声音克隆(Voice Clone);
- OpenAI TTS:6 款经典标准人声,多国语言质感纯正;
- OneTTS 聚合网关:集成微软 EdgeTTS 等免费通道与 F5-TTS 开源克隆模型。
- 🔗 进入专题:语音合成总览与音色对比
4. 知识资产与 6 大分发渠道 (Delivery & Knowledge)
将转录与提炼后的资产无缝流转至您的知识工作流:
- 知识资产:提示词模板库 (Prompt Library) 与 行业专业术语库 (Glossary Library);
- 6 大分发渠道:S3 兼容对象存储 (R2/OSS/MinIO)、WebDAV 云盘 (坚果云/群晖)、本地 NAS 挂载、Notion 数据库、Obsidian 双链库、自定义 HTTP Webhook。
- 🔗 进入专题:渠道与集成总览
