Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/ultrasev/stream-whisper
基于 faster-whisper 的伪实时语音转写服务
https://github.com/ultrasev/stream-whisper
Last synced: 14 days ago
JSON representation
基于 faster-whisper 的伪实时语音转写服务
- Host: GitHub
- URL: https://github.com/ultrasev/stream-whisper
- Owner: ultrasev
- Created: 2024-01-28T14:01:07.000Z (10 months ago)
- Default Branch: master
- Last Pushed: 2024-09-13T03:59:06.000Z (about 2 months ago)
- Last Synced: 2024-09-13T16:00:10.218Z (about 2 months ago)
- Language: Python
- Size: 4.53 MB
- Stars: 159
- Watchers: 3
- Forks: 27
- Open Issues: 2
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# 使用 Faster-whisper 模拟实时语音转写
# 使用方法
## 1. 拆分服务端与客户端
适合 GPU 在云端的场景。
### 服务端
负责接收客户端发送的音频数据，进行语音识别，然后把识别结果返回给客户端。
```bash
git clone https://github.com/ultrasev/stream-whisper
apt -y install libcublas11
cd stream-whisper
pip3 install -r requirements.txt
```
注：
- `libcublas11` 是 NVIDIA CUDA Toolkit 的依赖，如果需要使用 CUDA Toolkit，需要安装。
- 经 [@muzian666](https://github.com/muzian666) 提示，aioredis 包目前仍然不支持 Python3.11，Python 版本建议 3.8 ~ 3.10
把 `.env` 文件中的 `REDIS_SERVER` 改成自己的 Redis 地址，然后运行 `python3 -m src.server`，服务端就启动了。
第一次执行时，会从 huggingface 上下载语音识别模型，需要等待一段时间。Huggingface 已经被防火墙特别对待了，下载速度很慢，建议使用代理。
### 客户端
负责录音，然后把音频数据发送给服务端，接收服务端返回的识别结果。
```bash
git clone https://github.com/ultrasev/stream-whisper
apt -y install portaudio19-dev
cd stream-whisper
pip3 install -r requirements.txt
```
注：
- `portaudio19-dev` 是 pyaudio 的依赖，如果系统已安装，可以忽略。
同样需要把 `.env` 文件中的 `REDIS_SERVER` 改成自己的 Redis 地址，在本地机器上运行 `python3 -m src.client`，客户端就启动了。运行前先测试一下麦克风是否正常工作，确认能够正常录音。
## 2. 本地直接运行
如果本地有 GPU，可以直接运行 `src/local_deploy.py`，这样就可以在本地直接运行服务端和客户端了。
```bash
git clone https://github.com/ultrasev/stream-whisper
apt -y install portaudio19-dev libcublas11
python3 src/local_deploy.py
```
# Docker 一键部署自己的 whisper 转写服务
```bash
docker run -d --name whisper \
-e MODEL
-p 8000:8000 ghcr.io/ultrasev/whisper
```
接口兼容 OpenAI 的 [API 规范](https://platform.openai.com/docs/guides/speech-to-text)，可以直接使用 OpenAI 的 SDK 进行调用。
```python
from openai import OpenAI
client = OpenAI(base_url="http://localhost:8000")
audio_file= open("/path/to/file/audio.mp3", "rb")
transcription = client.audio.transcriptions.create(
model="whisper-1",
file=audio_file
)
print(transcription.text)
```