Skip to main content
El módulo público de SpeechKit contiene el kernel de voz independiente de la plataforma. Úsalo cuando tu aplicación deba gestionar su propio proceso, configuración y credenciales de proveedor en lugar de depender de un servidor SpeechKit aparte. La versión pública actual es v0.72.1, publicada el 2026-09-20.

​
Requisitos

  • Go 1.26 o posterior
  • una aplicación capaz de proporcionar el micrófono, el audio o la entrada de texto elegidos
  • credenciales de proveedor solo cuando elijas un proveedor externo

​
Añade el módulo

@latest se resuelve a la última versión publicada. Anota la versión exacta que resolvió tu compilación y fíjala antes de publicar: es software beta, y las API públicas, las claves de configuración y los valores por defecto pueden cambiar entre versiones menores. Importa solo los paquetes que necesite tu host: pkg/speechkit/dictation para el dictado, pkg/speechkit/wakeword para la activación, pkg/speechkit/tts para la salida hablada, pkg/speechkit/companion más los adaptadores de Assist y de texto a voz para hosts de un solo uso, pkg/speechkit/speaker para apps con reconocimiento de hablante, pkg/speechkit/meeting para sesiones de grabación y pkg/speechkit/client para apps conectadas a un servidor. El paquete raíz speechkit contiene únicamente contratos y tipos de valor. Para controlar el framework desde un config.toml en lugar de construir los ajustes a mano, pkg/speechkit/hostconfig convierte un archivo de configuración en los ajustes públicos de los modos y en una política de runtime inicial con una sola llamada:
Un archivo ausente produce los valores por defecto incluidos: solo local, sin claves de nube. El cliente de escritorio delega en el mismo cargador, de modo que un integrador y la app de referencia leen un config.toml de forma idéntica. Algunos paquetes necesitan cgo (captura de audio en Windows, la palabra de activación ONNX) o un binario externo (whisper-server). Cada uno falla de forma cerrada con un error centinela cuando falta su dependencia, en lugar de fingir que funciona.

​
Otros destinos

Servidor autoalojado

Un servicio HTTP y WebSocket para Linux sobre el mismo kernel, compilado desde el código fuente público. Expone Dictation, Assist y Voice Agent bajo una única URL.

Herramientas para agentes

speechkit-mcp y speechkit-cli permiten que un agente o un operador inspeccione el framework, genere plantillas de inicio, valide cargas útiles y opere un servidor.

Módulos para Android

Módulos de Gradle con licencia Apache-2.0 para la resolución del servidor, la captura y la gestión de turnos, el protocolo de comunicación y una interfaz de voz en Compose, más una app de referencia en el repositorio.

Clientes de navegador

Paquetes TypeScript para la API REST del servidor, el protocolo WebSocket de Voice Agent y un kit de interfaz de voz independiente del framework, publicados como código fuente en el repositorio.

​
Continúa con la documentación pública

Estos enlaces siguen la rama por defecto del repositorio público, por lo que siguen siendo válidos a medida que evoluciona el proyecto. Fija una etiqueta en la URL cuando necesites la documentación que corresponde a una versión exacta.