What happened / 发生了什么
问题描述
使用 MiMo STT API 进行语音转文本时，在 QQ 平台（OneBot v11 / NapCat）发送语音消息会返回 HTTP 400 错误。经排查，存在以下三个独立问题：
问题 1：请求缺少文字指令
MiMo 官方 API 要求的格式：
根据 MiMo 音频理解文档 (https://mimo.mi.com/docs/zh-CN/quick-start/usage-guide/multimodal-understanding/audio-understanding)，正确的请求格式必须包含 system prompt 和 user 中的 text 字段：
{
"model": "mimo-v2.5",
"messages": [
{
"role": "system",
"content": "You are a speech transcription assistant. Transcribe the spoken content from the audio exactly and return only the transcription text."
},
{
"role": "user",
"content": [
{
"type": "input_audio",
"input_audio": {
"data": "data:audio/wav;base64,..."
}
},
{
"type": "text",
"text": "Please transcribe the content of the audio and return only the transcription text."
}
]
}
],
"max_completion_tokens": 1024
}
Duplicate of #
AstrBot 原代码实际发送的格式：
astrbot/core/provider/sources/mimo_stt_api_source.py 中，get_text 方法构造的 payload 如下：
payload = {
"model": self.model_name,
"messages": [
{
"role": "user",
"content": [
{
"type": "input_audio",
"input_audio": {
"data": audio_data_url,
},
},
],
},
],
"max_completion_tokens": 1024,
}
缺少 system 消息，且 user 消息的 content 数组中只有 input_audio，没有 text 字段。MiMo API 无法理解裸音频输入的意图，返回 400 错误。
问题 2：默认模型已废弃
astrbot/core/provider/sources/mimo_api_common.py 中定义：
DEFAULT_MIMO_STT_MODEL = "mimo-v2-omni"
根据 MiMo 官方公告 (https://mimo.mi.com/docs/updates/deprecate)：
MiMo-V2 系列模型已于 2026.6.30 00:00 正式下线，原模型名称已失效，请及时核对并完成 V2.5 系列的切换。
mimo-v2-omni 已于 2026 年 6 月 30 日下线，使用该模型名会导致请求失败。当前唯一支持音频理解的模型是 mimo-v2.5。
问题 3：QQ 语音 SILK 格式转换链路不可靠
QQ 语音的特殊性：
QQ 平台（OneBot v11 / NapCat）发送的语音消息使用 SILK 格式（magic bytes 为 #!SILK_V3 或 \x02#!SILK_V3），这不是 MiMo API 支持的格式（仅支持 MP3/WAV/FLAC/M4A/OGG）。
官方代码的转换链路：
Record.convert_to_file_path()
→ MediaResolver.to_path(target_format="wav")
→ ensure_wav()
→ _get_audio_magic_type() 检测格式
→ tencent_silk_to_wav() 使用 pysilk 转换
然后在 prepare_audio_input 中再次调用：
MediaResolver.to_base64_data(strict=True, target_format="wav")
→ _resolve_path(target_format="wav")
→ ensure_wav() 再次检测和转换
存在的问题：
-
双重转换链路冗余且可能失败：convert_to_file_path() 已经将音频转为 WAV，prepare_audio_input() 又对已转换的文件再次走 MediaResolver 转换流程。如果第一步转换静默失败（例如 pysilk 导入问题、异步上下文限制），文件仍然是 SILK 格式，第二步会将其当成 WAV 读取并 base64 编码。
-
无格式验证：转换后没有验证输出文件是否真的是合法 WAV。原始 SILK 字节被当作 WAV 发送给 API，API 无法识别格式，返回：
"invalid audio format, only mp3/flac/m4a/wav/ogg are supported"
-
Silk 检测不一致：_get_audio_magic_type() 能正确检测 SILK，但 ensure_wav() 中的 SILK 处理依赖 tencent_silk_to_wav()，该函数在异步执行器中运行 pysilk，可能存在线程安全或导入时序问题。
Reproduce / 如何复现？
- 配置 MiMo STT API 服务提供商
- 在 QQ（LLBot / OneBot v11）中向机器人发送语音消息
- 观察 AstrBot 日志报错
AstrBot version, deployment method (e.g., Windows Docker Desktop deployment), provider used, and messaging platform used. / AstrBot 版本、部署方式（如 Windows Docker Desktop 部署）、使用的提供商、使用的消息平台适配器
- AstrBot 版本：v4.26.3
- 部署方式：AstrBot Launcher (Windows)
- STT 提供商：MiMo STT API（mimo-v2.5 模型）
- 消息平台：QQ (LLBot / OneBot v11)
OS
Windows
Logs / 报错日志
日志1
[2026-07-02 16:31:01.303] [Core]
[ERRO]
[v4.26.3] [preprocess_stage.stage:201]: Traceback (most recent call last):
File "C:\Users\NoFizz\.astrbot_launcher\instances\0550b500-44b4-4771-94bb-2fbaf82952ff\core\astrbot\core\provider\sources\mimo_stt_api_source.py", line 63, in get_text
response.raise_for_status()
File "C:\Users\NoFizz\.astrbot_launcher\instances\0550b500-44b4-4771-94bb-2fbaf82952ff\venv\Lib\site-packages\httpx\_models.py", line 829, in raise_for_status
raise HTTPStatusError(message, request=request, response=self)
httpx.HTTPStatusError: Client error '400 Bad Request' for url 'https://api.xiaomimimo.com/v1/chat/completions'
For more information check: https://developer.mozilla.org/en-US/docs/Web/HTTP/Status/400
The above exception was the direct cause of the following exception:
Traceback (most recent call last):
File "C:\Users\NoFizz\.astrbot_launcher\instances\0550b500-44b4-4771-94bb-2fbaf82952ff\core\astrbot\core\pipeline\preprocess_stage\stage.py", line 189, in _stt_record
result = await stt_provider.get_text(audio_url=path)
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
File "C:\Users\NoFizz\.astrbot_launcher\instances\0550b500-44b4-4771-94bb-2fbaf82952ff\core\astrbot\core\provider\sources\mimo_stt_api_source.py", line 66, in get_text
raise MiMoAPIError(
astrbot.core.provider.sources.mimo_api_common.MiMoAPIError: MiMo STT API request failed: HTTP 400, response: {"error":{"code":"400","message":"Param Incorrect","param":"invalid audio format, only mp3/flac/m4a/wav/ogg are supported","type":""}}
[2026-07-02 16:31:01.304] [Core]
[ERRO]
[v4.26.3] [preprocess_stage.stage:203]: 语音转文本失败: MiMo STT API request failed: HTTP 400, response: {"error":{"code":"400","message":"Param Incorrect","param":"invalid audio format, only mp3/flac/m4a/wav/ogg are supported","type":""}}
日志2
[2026-07-02 17:02:58.479] [Core]
[ERRO]
[v4.26.3] [preprocess_stage.stage:201]: Traceback (most recent call last):
File "C:\Users\NoFizz\.astrbot_launcher\instances\0550b500-44b4-4771-94bb-2fbaf82952ff\core\astrbot\core\provider\sources\mimo_stt_api_source.py", line 210, in get_text
response.raise_for_status()
File "C:\Users\NoFizz\.astrbot_launcher\instances\0550b500-44b4-4771-94bb-2fbaf82952ff\venv\Lib\site-packages\httpx\_models.py", line 829, in raise_for_status
raise HTTPStatusError(message, request=request, response=self)
httpx.HTTPStatusError: Client error '400 Bad Request' for url 'https://api.xiaomimimo.com/v1/chat/completions'
For more information check: https://developer.mozilla.org/en-US/docs/Web/HTTP/Status/400
The above exception was the direct cause of the following exception:
Traceback (most recent call last):
File "C:\Users\NoFizz\.astrbot_launcher\instances\0550b500-44b4-4771-94bb-2fbaf82952ff\core\astrbot\core\pipeline\preprocess_stage\stage.py", line 189, in _stt_record
result = await stt_provider.get_text(audio_url=path)
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
File "C:\Users\NoFizz\.astrbot_launcher\instances\0550b500-44b4-4771-94bb-2fbaf82952ff\core\astrbot\core\provider\sources\mimo_stt_api_source.py", line 213, in get_text
raise MiMoAPIError(
astrbot.core.provider.sources.mimo_api_common.MiMoAPIError: MiMo STT API request failed: HTTP 400, response: {"error":{"code":"400","message":"Param Incorrect","param":"invalid audio format, only mp3/flac/m4a/wav/ogg are supported","type":""}}
[2026-07-02 17:02:58.480] [Core]
[ERRO]
[v4.26.3] [preprocess_stage.stage:203]: 语音转文本失败: MiMo STT API request failed: HTTP 400, response: {"error":{"code":"400","message":"Param Incorrect","param":"invalid audio format, only mp3/flac/m4a/wav/ogg are supported","type":""}}
Are you willing to submit a PR? / 你愿意提交 PR 吗？
Code of Conduct
What happened / 发生了什么
问题描述
使用 MiMo STT API 进行语音转文本时，在 QQ 平台（OneBot v11 / NapCat）发送语音消息会返回 HTTP 400 错误。经排查，存在以下三个独立问题：
问题 1：请求缺少文字指令
MiMo 官方 API 要求的格式：
根据 MiMo 音频理解文档 (https://mimo.mi.com/docs/zh-CN/quick-start/usage-guide/multimodal-understanding/audio-understanding)，正确的请求格式必须包含 system prompt 和 user 中的 text 字段：
Duplicate of #
AstrBot 原代码实际发送的格式：
astrbot/core/provider/sources/mimo_stt_api_source.py 中，get_text 方法构造的 payload 如下：
缺少 system 消息，且 user 消息的 content 数组中只有 input_audio，没有 text 字段。MiMo API 无法理解裸音频输入的意图，返回 400 错误。
问题 2：默认模型已废弃
astrbot/core/provider/sources/mimo_api_common.py 中定义：
DEFAULT_MIMO_STT_MODEL = "mimo-v2-omni"
根据 MiMo 官方公告 (https://mimo.mi.com/docs/updates/deprecate)：
问题 3：QQ 语音 SILK 格式转换链路不可靠
QQ 语音的特殊性：
QQ 平台（OneBot v11 / NapCat）发送的语音消息使用 SILK 格式（magic bytes 为 #!SILK_V3 或 \x02#!SILK_V3），这不是 MiMo API 支持的格式（仅支持 MP3/WAV/FLAC/M4A/OGG）。
官方代码的转换链路：
Record.convert_to_file_path()
→ MediaResolver.to_path(target_format="wav")
→ ensure_wav()
→ _get_audio_magic_type() 检测格式
→ tencent_silk_to_wav() 使用 pysilk 转换
然后在 prepare_audio_input 中再次调用：
MediaResolver.to_base64_data(strict=True, target_format="wav")
→ _resolve_path(target_format="wav")
→ ensure_wav() 再次检测和转换
存在的问题：
双重转换链路冗余且可能失败：convert_to_file_path() 已经将音频转为 WAV，prepare_audio_input() 又对已转换的文件再次走 MediaResolver 转换流程。如果第一步转换静默失败（例如 pysilk 导入问题、异步上下文限制），文件仍然是 SILK 格式，第二步会将其当成 WAV 读取并 base64 编码。
无格式验证：转换后没有验证输出文件是否真的是合法 WAV。原始 SILK 字节被当作 WAV 发送给 API，API 无法识别格式，返回：
"invalid audio format, only mp3/flac/m4a/wav/ogg are supported"
Silk 检测不一致：_get_audio_magic_type() 能正确检测 SILK，但 ensure_wav() 中的 SILK 处理依赖 tencent_silk_to_wav()，该函数在异步执行器中运行 pysilk，可能存在线程安全或导入时序问题。
Reproduce / 如何复现？
AstrBot version, deployment method (e.g., Windows Docker Desktop deployment), provider used, and messaging platform used. / AstrBot 版本、部署方式（如 Windows Docker Desktop 部署）、使用的提供商、使用的消息平台适配器
OS
Windows
Logs / 报错日志
日志1
日志2
Are you willing to submit a PR? / 你愿意提交 PR 吗？
Code of Conduct