Paseo 进阶配置-Relay和语音输入

作者：#wbc 板块：#开发调优 我也是后知后觉发现 Paseo 的好处，已经有不少文章介绍过如何安装配对等，下面跳过 Paseo 的安装和基础设置，主要记录一下Relay和语音输入的配置，希望对大家有帮助： Relay Paseo 支持在手机上访问电脑端的 Paseo daemon，实现随时随地无缝vibe coding。但是 paseo.sh 的服务器在海外，利用 Cloudflare DO 进行中继，所以国内使用时，经常连接不上，或是断连。 所以，自建一个国内的 relay 能很好的解决这些问题，这里我使用了 paseo-relay 这个项目来搭建自己的relay服务器，详细步骤参考项目的说明。 在服务器上通过 Docker或配置成系统服务的方式运行在 8411 端口上，再通过 Caddy 自签域名证书支持HTTPS访问，假定我们这里配置好的中继服务器是 relay.abc.com， 通过访问 https://relay.abc.com/health 可以得到下面的返回，则说明服务正常运行了： {"status":"ok","version":"v0.5.0"} 下一步修改本地的 Paseo 配置，无论是通过npm安装的，或是使用 Paseo软件启动的，配置文件目录默认在： # MacOS ~/.paseo/ 打开配置文件目录下的 config.json, 找到 daemon 下的 relay 进行修改或添加: # 注意域名后面带端口： relay.abc.com:443 { "daemon": { ... "relay": { "enabled": true, "endpoint": "relay.abc.com:443", "publicEndpoint": "relay.abc.com:443", "useTls": true } ... }, "app": { "baseUrl": "https://relay.abc.com" } } 保存后，重启 Paseo (命令或在Paseo软件中找到指定的主机 "概览“-> “重启 Daemon”)，再次生成配对设备二维码时，已经是新的 Relay 服务器地址了，在“连接”里面看到的也是 Relay服务器。 语音输入 Paseo 已经支持了 Voice，支持两种语音识别文字方案： OpenAI格式的API方式 本地的 STT/TTS 模型 本地语音模型 在未进行配置时，在页面上点击麦克风图标，Paseo 将自动下载模型，模型下载完成后即可使用语音输入了。默认从 github 上下载，如果网速慢失败，则可以尝试下： # 通过 gh-proxy, 注意先切到paseo 模型目录下, 建议使用 parakeet-tdt-0.6b-v3 cd ~/.paseo/models/local-speech wget -c "https://v4.gh-proxy.org/https://github.com/k2-fsa/sherpa-onnx/releases/download/asr-models/sherpa-onnx-nemo-parakeet-tdt-0.6b-v3-int8.tar.bz2" tar -xJf sherpa-onnx-nemo-parakeet-tdt-0.6b-v3-int8.tar.bz2 # wget -c "https://v4.gh-proxy.org/https://github.com/k2-fsa/sherpa-onnx/releases/download/asr-models/sherpa-onnx-nemo-parakeet-tdt-0.6b-v2-int8.tar.bz2" # tar -xJf sherpa-onnx-nemo-parakeet-tdt-0.6b-v2-int8.tar.bz2 wget -c "https://v4.gh-proxy.org/https://github.com/k2-fsa/sherpa-onnx/releases/download/tts-models/kokoro-en-v0_19.tar.bz2" tar -xJf kokoro-en-v0_19.tar.bz2 如果在MacOS等环境上，本地的语音模型是比较合适的，截止到 26年8月底的版本，Paseo本地使用了 STT: sherpa-onnx-nemo-parakeet-tdt-0.6b-v2-int8 和 TTS: kokoro-en-v0_19 两个模型。 不幸的是， STT: sherpa-onnx-nemo-parakeet-tdt-0.6b-v2-int8 只支持英语和欧洲的几种语言，不支持中文。由于当下版本中，固定了 nemo 方式的语音识别，尚不支持 SenseVoice 格式的onnx，有几个 PR: 1634 #2044 #3689 官方合并后，我们可以使用上这些模型了： sense-voice-zh-en-ja-ko-yue-int8-2025-09-09 paraformer-zh-2024-03-09-int8 文本转语音API 除了本地的模型， Voice 文档中更建议使用 API的方式做语音识别，如果使用 OpenAI 官方的只要按照文档配置即可。 本地自建的 FunASR 支持 OpenAI Compatible API，所以比较简单，只要配置好 baseUrl 和 model: paraformer 即可： { "features": { "dictation": { "stt": { "provider": "openai" } }, "voiceMode": { "stt": { "provider": "openai", "model": "paraformer" } } }, "providers": { "openai": { "stt": { "apiKey": "...", "baseUrl": "http://localhost:8000/v1" } } } } 这里，千问AI平台也提供了语音识别的服务，调用按音频时长计费价格非常低，只有 0.00022/秒。 虽然千问提到了兼容 OpenAI 接口，但实际上 qwen3-asr-flash 这些模型请求的 endpoint是 /v1/chat/completions，而不是OpenAI 的 /v1/audio/transcriptions，而且发的请求体格式也不同。 这里通过 Cloudflare Worker 做了一个格式转换，达到了相同的效果，也可以类似的用其他云的edge runner 来实现。假设配置好后的Cloudflare Worker域名是 audio.abc.com，Paseo config.json 参考下面配置，并重启 Paseo Daemon后，即可在 Paseo 软件上使用语音输入了。 # 修改 ~/.paseo/config.json { "features": { "dictation": { "stt": { "provider": "openai", "model": "qwen3-asr-flash" } }, "voiceMode": { "stt": { "provider": "openai", "model": "qwen3-asr-flash" } } }, "providers": { "openai": { "stt": { "apiKey": "千问AI平台的 api key", "baseUrl": "https://audio.abc.com/v1" } } } } Cloudflare Worker 代码 export default { async fetch(request, env, ctx) { // 1. 处理 CORS 预检请求 (Paseo 在浏览器环境下可能会发 OPTIONS) if (request.method === "OPTIONS") { return new Response(null, { headers: { "Access-Control-Allow-Origin": "*", "Access-Control-Allow-Methods": "GET, POST, OPTIONS", "Access-Control-Allow-Headers": "Content-Type, Authorization",