# Как говорить с локальной моделью голосом в Open WebUI

Источник: https://modelium.tech/zhurnal/open-webui-golosovoy-rezhim/

В Open WebUI можно говорить с уже подключённой моделью: стандартный голосовой режим превращает речь в текст, отправляет вопрос выбранной модели и озвучивает её ответ. Для русской речи понадобится настроенное распознавание на сервере, а для звука — доступный голос в браузере или другой движок озвучивания. Это инструкция по документации для работающего интерфейса, не подтверждение полностью офлайн-работы.

Хотите задать модели короткий вопрос вслух и услышать её ответ, не набирая сообщение? **Voice Mode** («голосовой режим») в Open WebUI ведёт обычный чат: сохраняет текст вопроса и ответа, а ответ произносит вслух. Здесь один путь — **Standard**, а не Realtime с отдельной голосовой моделью и возможным внешним провайдером. [s1](#src-s1)

**Инструкция по документации на 13 октября 2026 года.** Нужны уже работающие Open WebUI и Ollama с одной выбранной моделью, например `qwen3:4b`, доступный микрофон и звук в браузере. Для нового развёртывания начните с [Ollama](/zapusk/ollama/) и [Open WebUI](/zhurnal/open-webui/). Точные минимальные RAM, видеопамять и свободное место для связки источники не задают; не подменяйте их размером скачиваемой модели. Редакция не запускала микрофон, модель или сеть и не обещает работу без интернета. [s1](#src-s1) [s2](#src-s2) [s4](#src-s4)

## Что подготовить перед разговором?

- На компьютере с вашим работающим Open WebUI откройте обычный текстовый чат и убедитесь, что **одна** модель Ollama отвечает на пробное текстовое сообщение. Тег `qwen3:4b` здесь только конкретный пример уже доступной модели, а не обещание работы на любом железе. [s1](#src-s1) [s4](#src-s4)

- Администратор открывает **Settings → Admin → Audio → Voice calls** и выбирает **Standard** (по документации это режим по умолчанию). Для распознавания речи в **Settings → Admin → Audio** нужен серверный движок, например встроенный **Local Whisper**, а не браузерный **Web API**: с Web API голосовой вызов не работает. Указанный в документации стандартный `WHISPER_MODEL` — `base`; при установке проверьте, что языковая модель и её файлы доступны серверу. Русскую речь можно указать через **Settings → Audio → STT Settings → Language**, но точность нужно сверить на своей записи. [s1](#src-s1) [s2](#src-s2) [s3](#src-s3)

- Для озвучивания администратор может оставить **Web API** в настройках **Text-to-Speech** (превращение текста в речь): тогда используется голос, доступный браузеру. При необходимости выберите голос в **Settings → Audio → Set Voice**; наличие подходящего русского голоса и сетевое поведение браузера зависят от конкретной системы. Это не проверка полной локальности цепочки. [s1](#src-s1)

Скачивание Ollama, весов модели и Whisper, установка приложения и возможная загрузка голосовых компонентов требуют отдельной подготовки с сетью; мы не проводили опыт с отключением интернета. В этой конфигурации текстовая модель работает там, где у вас запущена Ollama, распознавание — **на сервере Open WebUI**, а озвучивание Web API — в среде браузера. Если сервер находится на другом компьютере или выбран внешний речевой движок, фраза «всё на моём ПК» неверна. [s1](#src-s1) [s2](#src-s2) [s3](#src-s3)

## Как начать и проверить результат?

- Откройте чат с **одной** выбранной моделью, уберите текст из поля сообщения и вложения. На месте отправки должна появиться кнопка **Voice mode**. Нажмите её и разрешите браузеру доступ к микрофону. Если кнопки нет, администратор проверяет разрешение **Allow Call**; для микрофона обычно нужен HTTPS или `localhost`, а не IP-адрес другого компьютера. [s1](#src-s1)

- Скажите собственную безопасную пробную фразу: «На завтра у меня записано: полить фикус. Что мне проверить перед уходом?» Замолчите примерно на две секунды. В чате должен появиться **текст вопроса**, затем текстовый ответ модели и его озвучка; дословный ответ заранее неизвестен. Сверьте ключевые слова и дату с произнесённым, а смысл ответа — с вашим условием. Это критерий **вашей** проверки, не результат теста Modelium. [s1](#src-s1)

- Завершите разговор кнопкой **End call**: по документации микрофон выключится, а текст останется в обычном чате. Если нужно только продиктовать отдельный вопрос и проверить его **до** отправки, откройте [отдельный гайд по диктовке](/zhurnal/open-webui-diktovka-lokalnyy-whisper/). [s1](#src-s1)

## Если голосовой вызов не работает

- **Браузер запрещает микрофон:** проверьте его разрешение и безопасный адрес HTTPS/`localhost`. [s1](#src-s1)

- **«Call feature is not supported when using Web STT engine»:** это настройка **распознавания**, а не озвучивания. Администратор переключает STT на серверный движок; пользовательский выбор Web API для обычной диктовки сам по себе этого не исправляет. [s1](#src-s1)

- **Слушает, но не отправляет:** постоянный шум мешает определить паузу; попробуйте тихое место и дождитесь тишины. **Нет звука:** проверьте доступный голос и настройки озвучивания в браузере/у администратора; текст чата остаётся отдельным критерием результата. [s1](#src-s1)

Для личных или чувствительных записей сначала проверьте маршрут аудио и сетевых запросов на **своей** инсталляции. Наличие Ollama или Local Whisper не доказывает, что браузерная озвучка и прочие компоненты работают полностью офлайн. [s1](#src-s1) [s2](#src-s2)

## Источники

1. [Open WebUI — Voice Mode, авторская документация](https://github.com/open-webui/docs/blob/3b413088222ac2be321b91ff2d08ce66b9a1642d/docs/features/chat-conversations/chat-features/voice-mode.mdx) — получено 2026-10-13
2. [Open WebUI — Configure Speech-to-Text, авторская документация](https://github.com/open-webui/docs/blob/3b413088222ac2be321b91ff2d08ce66b9a1642d/docs/features/chat-conversations/audio/speech-to-text/stt-config.md) — получено 2026-10-13
3. [Open WebUI — Speech-to-Text Environment Variables](https://github.com/open-webui/docs/blob/3b413088222ac2be321b91ff2d08ce66b9a1642d/docs/features/chat-conversations/audio/speech-to-text/env-variables.md) — получено 2026-10-13
4. [Ollama — qwen3:4b, карточка точного тега](https://ollama.com/library/qwen3:4b) — получено 2026-10-13