华为云云主机+DeepSeek｜如何基于华为云云主机的Dify-LLM AI应用实现智能语音读取方案

华为开发者空间介绍:

华为开发者空间，是为全球开发者打造的专属开发者空间，致力于为每位开发者提供一台云主机、一套开发工具和云上存储空间，汇聚昇腾、鸿蒙、鲲鹏、GaussDB、欧拉等华为各项根技术的开发工具资源，并提供配套案例指导开发者 从开发编码到应用调测，基于华为根技术生态高效便捷的知识学习、技术体验、应用创新。

免费领取开发者空间云主机

→ PC端
→ 移动端

---

一、前言：

随着人工智能技术的不断成熟，文本转语音（TTS）技术已逐步普及到日常生活中。在快节奏的现代生活中，我们尝试用AI技术架起一座通往传统文化的桥梁。TTS技术可以将文本内容转化为音频，中国的古诗词有很多，现在的社会大家都比较忙，涉及到很多历史文物，对每个历史人物和相关的历史故事需要通读历史人物传记、历史书籍，为用户带来了全新的“听书”体验。

可以让Dify通过每天几分钟听到各种历史故事，从而帮助学习和了解中国的历史，每天给我推送一个古诗词并且介绍相关的历史人物故事，通过听音频文件来了解这个历史故事，就不需要再去阅读书籍了。

华为云云主机提供强劲的动力源，支撑着Dify平台这个"大脑"高速运转。用户在交互界面输入的每个作者姓名，都会触发三重艺术创作流程：知识图谱瞬间检索出最匹配的诗词作品，TTS引擎为文字注入情感的温度，AI绘画模型则将抽象的诗意转化为可见的视觉符号。

---

二、Dify平台工作流：

华为云云主机是一款高性能、高可靠性、可灵活配置的云服务器解决方案，尤其适合构建AI应用场景，支持弹性伸缩和多种规格选项，拥有卓越的计算性能，稳定的网络带宽，兼容主流AI开发框架，帮助开发者更快速地实现业务部署与产品上线。

2.1 免费领取开发者空间云主机：

首次打开华为开发者空间，整洁的界面和清晰的导航就让人眼前一亮。这个专为全球开发者打造的平台，就像一个一站式技术宝库，不仅提供了昇腾、鸿蒙、鲲鹏等华为核心技术的开发工具，还贴心地配备了云主机、存储空间和详细的案例指导。

点击"免费领取开发者空间云主机"按钮时，无论是PC端还是移动端，都能轻松免费获取并使用4核8G的Ubuntu 24.04云主机，领取启动取后这里我们稍等几分钟就行了，因为系统正在加载图形化界面。

进入到了桌面后，跟平时我们的电脑桌面差不多，但是华为云主机专注于开发领域的，一般的开发软件都已经存在在桌面上了，直接上手使用就行。

右键终端输入命令，安装ollama：

curl -fsSL https://ollama.com/install.sh | sh

下完完后，就会进行安装ollama就安装好了。

接下来借助ollama工具来进行deepseek r1模型的部署操作，这里选择的是deepseek-r1:1.5b模型，当然也可以部署其他的模型。

这里在开始进行部署时，可以看到华为云主机部署速度还是很快的，8M每秒，对于下载大容量的大模型也不在话下。

首次打开华为开发者空间，整洁的界面和清晰的导航就让人眼前一亮。这个专为全球开发者打造的平台，就像一个一站式技术宝库，不仅提供了昇腾、鸿蒙、鲲鹏等华为核心技术的开发工具，还贴心地配备了云主机、存储空间和详细的案例指导。

点击"免费领取开发者空间云主机"按钮时，无论是PC端还是移动端，都能轻松免费获取并使用4核8G的Ubuntu 24.04云主机，领取启动取后这里我们稍等几分钟就行了，因为系统正在加载图形化界面。

进入到了桌面后，跟平时我们的电脑桌面差不多，但是华为云主机专注于开发领域的，一般的开发软件都已经存在在桌面上了，直接上手使用就行。

右键终端输入命令，安装ollama：

curl -fsSL https://ollama.com/install.sh | sh

下完完后，就会进行安装ollama就安装好了。

接下来借助ollama工具来进行deepseek r1模型的部署操作，这里选择的是deepseek-r1:1.5b模型，当然也可以部署其他的模型。

这里在开始进行部署时，可以看到华为云主机部署速度还是很快的，8M每秒，对于下载大容量的大模型也不在话下。

---

2.2 Dify平台的登录与初始化工作：

在上面通过部署完成后，华为云提供的云主机 X一键部署模板，在几分钟内完整的部署一个Dify可用的平台，打开提供的IP访问公网链接地址，第一次进行来需要设置的管理员账号的信息，管理员拥有最大的权限，可用于创建应用和管理LLM供应商等的权限。

所以，注意不要进行泄漏管理员账号，设置完管理员账号后使用邮箱和密码即可进行登录，即可进入Dify的工作台环境，为后续应用的构建提供良好基础。

---

2.3 创建工作流的应用框架：

登录Dify平台后，创建一个空白应用，接下来我们来分析一下本次的需求，主要的技术点总结如下，包括应用创建、工作流设计、插件管理等功能，用户可根据需要构建智能化的业务流程：

• ①. 我们需要大语言模型来编写历史故事。
• ②. 生成的历史故事通过听过TTS播放出来
• ③. 可以通过语言文字的和音频文件发送给微信、QQ 、飞书、钉钉等第三方IM 工具中。

---

2.4 工作流 - 面向单轮自动化任务的编排工作流：

基于工作流编排，适用于自动化、批处理等单轮生成类任务的场景，为解决自然语言输入中用户意图识别的复杂性，Chatflow 提供了问题理解类节点。相对于 Workflow 增加了 Chatbot 特性的支持，如：对话历史（Memory）、标注回复、Answer 节点等。

为解决自动化和批处理情景中复杂业务逻辑，工作流提供了丰富的逻辑节点，如代码节点、IF/ELSE 节点、模板转换、迭代节点等，除此之外也将提供定时和事件触发的能力，方便构建自动化流程。

• ①. 从一个空白的工作流开始构建或者使用系统模板帮助你开始。
• ②. 熟悉基础操作，包括在画布上创建节点、连接和配置节点、调试工作流、查看运行历史等。
• ③. 保存并发布一个工作流。
• ④. 在已发布应用中运行或者通过 API 调用工作流。

---

2.5 LLM大语言模型节点：

“开始” 节点是每个工作流应用（Chatflow / Workflow）必备的预设节点，为后续工作流节点以及应用的正常流转提供必要的初始信息，例如应用使用者所输入的内容、以及上传的文件等。

进入画布界面如图，给开始节点增加添加一个input 用户输入的文本类输入，在开始节点的设置页，你可以看到两部分设置，分别是 “输入字段” 和预设的系统变量。

输入字段功能由应用开发者设置，通常用于让应用使用者主动补全更多信息。例如在周报应用中要求使用者按照格式预先提供更多背景信息，如姓名、工作日期区间、工作详情等，支持以下六种类型输入变量，所有变量均可设置为必填项：

• ①. 文本：短文本，由应用使用者自行填写内容，最大长度 256 字符。
• ②. 段落：长文本，允许应用使用者输入较长字符。
• ③. 下拉选项：由应用开发者固定选项，应用使用者仅能选择预设选项，无法自行填写内容。
• ④. 数字：仅允许用户输入数字。
• ⑤. 单文件：允许应用使用者单独上传文件，支持文档类型文件、图片、音频、视频和其它文件类型。支持通过本地上传文件或粘贴文件 URL。详细用法请参考文件上传。
• ⑥. 文件列表：允许应用使用者批量上传文件，支持文档类型文件、图片、音频、视频和其它文件类型。支持通过本地上传文件或粘贴文件 URL。详细用法请参考文件上传。

---

2.6 LLM文本类大语言模型节点：

调用大语言模型的能力，处理用户在 “开始” 节点中输入的信息（自然语言、上传的文件或图片），给出有效的回应信息，LLM 节点是 Chatflow/Workflow 的核心节点。该节点能够利用大语言模型的对话/生成/分类/处理等能力，根据给定的提示词处理广泛的任务类型，并能够在工作流的不同环节使用。

在应用编辑页中，点击鼠标右键或轻点上一节点末尾的 + 号，添加节点并选择 LLM节点，可以调用大语言模型回答问题或者对自然语言进行处理。

在点击刚刚添加的LLM模型节点时，会弹出一个节点的详细信息编辑框，这里可以在最上面可以修改这个节点的名称，比如“搜索古诗人诗词”，另外，可以看到在模型选择的字段，是空的，表示这里没有配置相关的模型，无法进行大模型的生成。

在之前的文章中，还记得是否开通DeepSeek-V3/R1大模型商用大模型的服务呢？但是在添加LLM大模型之前需要先将“华为云云主机部署”上开通的DeepSeek-V3/R1大模型商用级推理服务添加到进来，这里可以点击“模型设置“按钮进行添加模型。

在“工作空间”里面的“模型供应商”中，我们往下找，找到“OpenAI-API-compatible”模型，点击可以进行安装，OpenAI-API-compatible 指的是一种应用程序编程接口（API）设计和规范，它严格遵循 OpenAI 公司的 API 标准格式（如请求参数、响应结构）。

“OpenAI-API-compatible”模型使开发者能够无缝集成第三方模型服务（例如开源大语言模型或云平台模型），而无需修改现有代码或仅需少量调整。这种兼容性允许用户使用与 OpenAI API 相同的接口访问多样化的模型，包括文本生成、聊天补全、嵌入等任务。

接下来，我们可以在“OpenAI-API-compatible”模型中添加，显著降低 API 调用成本，部分平台提供免费额度或更低定价模型，实现本地与云端的混合部署方案，简化应用迁移，现有基于 OpenAI 的应用程序（如聊天机器人或写作助手）可快速适配到兼容服务，减少开发时间。

当然，这里也可以添加多个模型，比如我们将V3、R2两个模型都添加进来，当然，如果还有其它的需求也是一样可以这样类似的方式，添加如百度千帆、DeepSeek、Llama 等模型。

---

2.7 LLM大语言模型 – 系统提示词：

在LLM节点配置弹框中，我们可以在System这个属性，点击“+”号后弹出“提示词生成器”窗口，我们可以在提示词生成器窗口中，增加一些指令“帮我生成搜索某个诗人相关的诗词”，会自动通过配置的模型来优化提示词，以获得高质量的数据定义结构。

以下为通过配置的DeepSeek-V3/R1大模型商用大模型的服务，生成的AI指令提示词：

```xml
<instruction>
<instructions>
1. 首先，明确用户提供的诗人姓名或相关关键词，确保理解用户需要搜索的诗人身份。
2. 根据诗人姓名或关键词，从诗词数据库中检索与该诗人相关的诗词作品。若诗人姓名不明确，可尝试通过关键词联想相关诗人。
3. 检索结果应包括诗词的标题、全文以及简要的背景信息（如创作年代、主题等）。若诗词较长，可截取代表性段落并标注“节选”。
4. 输出时需确保格式清晰，每首诗词之间用空行分隔，避免使用任何XML标签或其他标记语言。
5. 若未找到相关诗词，应礼貌告知用户并建议提供更具体的信息或尝试其他关键词。
6. 输出语言需与用户输入的语言一致（默认为中文）。
</instructions>

<examples>
<example>
输入：李白  
输出：  
《静夜思》  
床前明月光，疑是地上霜。  
举头望明月，低头思故乡。  

创作背景：此诗为唐代诗人李白的名篇之一，描写了游子思乡之情，语言简洁而意境深远。  
</example>

<example>
输入：杜甫的战争诗  
输出：  
《春望》  
国破山河在，城春草木深。  
感时花溅泪，恨别鸟惊心。  
烽火连三月，家书抵万金。  
白头搔更短，浑欲不胜簪。  

创作背景：此诗写于安史之乱期间，表达了诗人对国家动荡和家庭离散的深切忧虑。  

《兵车行》（节选）  
车辚辚，马萧萧，行人弓箭各在腰。  
耶娘妻子走相送，尘埃不见咸阳桥。  

创作背景：此诗揭露了战争给百姓带来的苦难，展现了杜甫的现实主义风格。  
</example>

<example>
输入：苏轼的中秋词  
输出：  
《水调歌头·明月几时有》  
明月几时有？把酒问青天。  
不知天上宫阙，今夕是何年。  
我欲乘风归去，又恐琼楼玉宇，高处不胜寒。  
起舞弄清影，何似在人间。  

创作背景：此词为苏轼在中秋之夜怀念弟弟苏辙而作，兼具豪放与婉约之美，是宋词中的经典之作。  
</example>
</examples

---

2.8 LLM大语言模型 - 用户提示词：

这里需要接受用户传入指令 ，在用户提示词输入界面点击“/” 获取用户输入参数“input”

{
  "text": "《静夜思》  \n床前明月光，疑是地上霜。  \n举头望明月，低头思故乡。  \n\n创作背景：此诗为唐代诗人李白的名篇之一，描写了游子思乡之情，语言简洁而意境深远。  \n\n《望庐山瀑布》  \n日照香炉生紫烟，遥看瀑布挂前川。  \n飞流直下三千尺，疑是银河落九天。  \n\n创作背景：此诗以夸张手法描绘庐山瀑布的壮丽景象，展现了李白豪放飘逸的诗风。  \n\n《早发白帝城》  \n朝辞白帝彩云间，千里江陵一日还。  \n两岸猿声啼不住，轻舟已过万重山。  \n\n创作背景：此诗写于李白流放途中遇赦返回时，表达了诗人欢快的心情和江行的迅疾。  \n\n《将进酒》（节选）  \n君不见黄河之水天上来，奔流到海不复回。  \n君不见高堂明镜悲白发，朝如青丝暮成雪。  \n人生得意须尽欢，莫使金樽空对月。  \n\n创作背景：此诗为李白饮酒抒怀之作，充满豪情与人生感慨，是其浪漫主义风格的代表。",
  "usage": {
    "prompt_tokens": 514,
    "prompt_unit_price": "0",
    "prompt_price_unit": "0",
    "prompt_price": "0",
    "completion_tokens": 265,
    "completion_unit_price": "0",
    "completion_price_unit": "0",
    "completion_price": "0",
    "total_tokens": 779,
    "total_price": "0",
    "currency": "USD",
    "latency": 7.2576870459997735
  },
  "finish_reason": "stop"
}

• ①. 选择模型，Dify 提供了全球主流模型的支持，包括“华为云云主机部署上的DeepSeek-V3/R1大模型商用级推理服务”等，选择一个模型取决于其推理能力、成本、响应速度、上下文窗口等因素，需要根据场景需求和任务类型选择合适的模型。

• ②. 配置模型参数，如果初次使用 Dify ，在 LLM 节点选择模型之前，需要在系统设置—模型供应商内提前完成模型配置。

• ③. 填写上下文（可选），上下文可以理解为向 LLM 提供的背景信息，常用于填写知识检索的输出变量。

• ④. 编写提示词，LLM 节点提供了一个易用的提示词编排页面，选择聊天模型或补全模型，会显示不同的提示词编排结构。如果选择聊天模型（Chat model），可以自定义系统提示词（SYSTEM）/用户（USER）/ 助手（ASSISTANT）三部分内容。

---

2.8 SPEECH TO TEXT配置语单转文字：

腾讯云语音识别（Automatic Speech Recognition，ASR）是将语音转化成文字的PaaS产品，为企业提供精准而极具性价比的识别服务。被微信、王者荣耀、腾讯视频等大量业务使用，适用于录音质检、会议实时转写、语音输入法等多个场景。

可以通过免费体验dify工作流模式下腾讯语音转文字speech2text服务，首先需要在腾讯云上开通语单识别服务，将并且申请好API Key相关的参数，不过，这里也是一样，只有第一次创建SecreKey才会显示密钥，其它的时候不会显示。

在模型供应商其中，我们进行搜索“tencent”，找到tencent这个组件，可以进行安装，安装成功后，就会在模型供应商列表中显示，在模型列表中能够显示就表示已经安装成功了。

Dify管理页面的配置项目，可以设置tencent的语音转文字服务，其中API key包括APP ID、SecretID、SecretKey三部分，通过配置Tencent cloud即可。

这里我们通过添加“Audio”工具节点，解析来在LLM 文本类大语言模型右边点击“+” ，在 “工具” 中搜索选择TEXT TO SPEECH 这个内置组件。可以看到里面包含一个“Speech To Text”节点，所以，我们就添加这个语音转文本的节点，这里在音频文件变量我们绑定上传文件的变量，然后，选中模型是上面刚刚添加tencent的语音转文字服务模型。

接下来使用运行进行测试，我们上传一个mp4文件时，他提示“not a valid audio file”不是一个有效的文件，接着我们再找了一个mp3文件，上传之后，可以成功的识别，在text字段进行返回结果，中文普通话的诗词准确率很高。

---

三、总结：

这段内容主要介绍了如何利用Dify平台和AI技术（特别是TTS文本转语音）来实现通过音频学习中国古诗词和历史故事的功能。核心流程包括：通过华为云云主机 X实例快速部署Dify平台，创建工作流应用框架，利用大语言模型生成历史故事内容，再通过TTS技术转换为音频，最后推送到微信等IM工具。

工作流设计部分强调了单轮任务自动化编排的能力，包括开始节点设置、逻辑节点运用（如代码/条件判断）和API调用等，整体目标是让用户通过"听书"形式高效获取历史文化知识，减少阅读负担。