Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/jianchang512/zh_recogn
将音频或视频中的中文语音识别并导出为srt字幕，基于魔塔社区Paraformer模型
https://github.com/jianchang512/zh_recogn
chinese-speech-recognition speech-recognition
Last synced: 3 days ago
JSON representation
将音频或视频中的中文语音识别并导出为srt字幕，基于魔塔社区Paraformer模型
- Host: GitHub
- URL: https://github.com/jianchang512/zh_recogn
- Owner: jianchang512
- License: gpl-3.0
- Created: 2024-04-27T17:25:07.000Z (8 months ago)
- Default Branch: main
- Last Pushed: 2024-07-10T11:57:26.000Z (6 months ago)
- Last Synced: 2024-12-23T19:13:16.353Z (10 days ago)
- Topics: chinese-speech-recognition, speech-recognition
- Language: Python
- Homepage:
- Size: 991 KB
- Stars: 100
- Watchers: 1
- Forks: 15
- Open Issues: 10
-
Metadata Files:
- Readme: README.md
- License: LICENSE
Awesome Lists containing this project
README
# zh_recogn中文语音识别
>
> 这是一个中文语音识别为字幕的项目，基于魔塔社区Paraformer模型。
> 支持中文音频、中文视频转为srt字幕。提供 api 接口和简单界面
>
> 该项目仅支持中文语音识别。对于非中文语音，您可以利用基于 OpenAI Whisper 和 Faster-Whisper 的项目，如 [pyvideotrans](https://github.com/jianchang512/pyvideotrans) 或 [stt](https://github.com/jianchang512/stt) 来进行识别，目的是为了弥补国外模型在中文支持方面的不足。
>
## 源码部署
1. 首先安装 python3.10/安装 [git](https://git-scm.com/downloads) ,安装ffmpeg，windows上 下载ffmpeg.exe后放到本项目的ffmpeg文件夹内，mac使用 `brew install ffmpeg`安装
2. 创建个空英文目录，window上在该目录下打开cmd(Macos和Linux使用终端)，执行命令 `git clone https://github.com/jianchang512/zh_recogn ./`
3. 继续执行 `python -m venv venv`，然后Windows中执行 `.\venv\scripts\activate`，Macos和Linux中执行 `source ./venv/bin/activate`
4. 继续执行 `pip install -r requirements.txt --no-deps`
5. Windows和Linux如需cuda加速，继续执行， `pip uninstall torch torchaudio`, 再执行`pip install torch torchaudio --index-url https://download.pytorch.org/whl/cu118`
6. 启动项目 `python start.py`
## 预打包版/仅win10 win11
下载地址 https://github.com/jianchang512/zh_recogn/releases
1. 下载后解压到英文目录，双击 start.exe
2. 为减小打包体积，预打包版不支持CUDA，若需cuda加速，请源码部署
## 在 pyvideotrans项目中使用
首先升级 [pyvideotrans](https://github.com/jianchang512/pyvideotrans) 到v1.62+，然后左上角设置菜单-zh_recogn中文语音识别菜单点开，填写地址和端口，默认 "http://127.0.0.1:9933", 末尾不要加`/api`
## API
api地址 http://ip:prot/api 默认 `http://127.0.0.1:9933/api`
python代码请求api示例
```
import requests
audio_file="D:/audio/1.wav"
file={"audio":open(audio_file,'rb')}
res=requests.post("http://127.0.0.1:9933/api",files=file,timeout=1800)
print(res.json())
{
code:0,
msg:ok,
data:[
{
line:1,
time:"00:00:01,100 --> 00:00:03,300",
text:"字幕内容1"
},
{
line:2,
time:"00:00:04,100 --> 00:00:06,300",
text:"字幕内容2"
},
]
}
```
在 pyvideotrans 中填写时不要末尾添加 `/api`
## web界面
## 注意事项
1. 第一次使用将自动下载模型，用时会较长
2. 仅支持中文语音识别
3. set.ini文件中可修改绑定地址和端口