问题
Open WebUI 的自托管用户希望在做笔记时获得实时转写能力(GitHub Issue:real-time transcriptions),同时另有多人追问如何在 Open WebUI 中使用新的 OpenAI Realtime API。目前社区没有现成方案,用户只能等待官方支持或自行摸索集成,需求明确但悬而未决。
目标用户
Open WebUI 等自托管 AI 聊天界面的用户,尤其是依赖其笔记功能、希望把语音输入纳入工作流的技术型个人用户。属于相对小众但动手能力强的开发者群体。
解决方案
- 提供实时麦克风转写:边说边出文字,可暂停、重播、修正
- 转写结果直接写入 Open WebUI 笔记或导出为 Markdown
- 支持接入 OpenAI Realtime API 或本地 Whisper 类模型,用户自选
- 提供浏览器端或 Docker 一键部署,适配自托管环境
- AI 角色:语音识别与实时流式转写,可选用 LLM 做事后整理(分段、加标点)
为什么是现在
OpenAI Realtime API 于近期发布,自托管社区用户立即在 GitHub 上询问集成可能性,说明新一代实时语音 API 的落地正在创造新的集成需求窗口。
MVP 范围
第一版只做:麦克风实时转写 + 保存为文字笔记(可导出)。不做:多人会议转写、说话人分离、移动端 App、自动摘要整理。
风险
- Open WebUI 官方可能自行实现该功能,Issue 即为官方 backlog 的直接证据
- 依赖 OpenAI Realtime API 的可用性与价格,自托管用户可能更偏好本地模型,本地实时转写对硬件有要求
- 目标群体小众且偏极客,付费意愿不明(两条信号均无付费意愿)
已有产品
| 产品 | 定位 | 价格 |
|---|---|---|
| open-webui | 其官方 Issue 中即有该需求,官方随时可能内置该功能,是最直接的替代方案。 | — |
信号证据
这张卡片依据的原始讨论。摘录保持原文，点“原文”查看上下文。
GitHub Issues · open-webui/open-webui5月3日投资方向▲ 1445 条评论
“- [ ] real-time transcriptions”
Open WebUI notes users want real-time transcriptions for their notes.原文
GitHub Issues · open-webui/open-webui10月3日投资方向▲ 5834 条评论
“Didn't find anything back (yet) on the forum/web, but it's an obvious question: is there a way to use the new open-ai real-time api in open-webui or are you planning to support it?”
There's no known way to use the new OpenAI Realtime API in open-webui, and the user asks whether support is planned.原文