WhisperLive
OpenAI Whisper 的近乎即時實作。
WhisperLive 是什麼?
OpenAI Whisper 的近乎即時實作。 寫作工具 音訊工具 MIT
WhisperLive 概覽
這是什麼
WhisperLive 是 OpenAI Whisper 的一個近乎即時(nearly-live)實作。這是一個即時語音轉文字的應用程式,使用 OpenAI Whisper 模型將語音輸入轉換為文字輸出。它可以轉錄來自麥克風的即時音訊以及預先錄製的音訊檔案。此專案為開放原始碼,採用 MIT 授權。
主要功能
- 支援多種後端:faster_whisper、TensorRT 與 OpenVINO。
- 提供逐字時間戳記(word-level timestamps)。
- 支援自訂詞彙/熱詞(custom vocabulary / hotwords)。
- 支援說話者辨識(speaker diarization)。
- 支援批次推論(batch inference)。
- 支援原始 PCM 輸入(raw PCM input)。
- 瀏覽器擴充功能(README 中提及)。
- 支援 Docker 部署伺服器。
使用情境
- 即時轉錄來自麥克風的語音輸入。
- 轉錄預先錄製的音訊檔案。
- 與瀏覽器擴充功能整合,提供即時字幕。
- 以伺服器方式服務多個客戶端連線進行轉錄。
快速開始
安裝系統相依套件並建立 Python 虛擬環境: bash bash scripts/setup.sh python3.12 -m venv whisper_env source whisper_env/bin/activate pip install whisper-live 使用 faster_whisper 後端啟動伺服器: bash python3 run_server.py --port 9090 --backend faster_whisper --max_clients 4 --max_connection_time 600 執行客戶端轉錄音訊檔案: bash python3 run_client.py --files 詳細說明請參閱專案 README。
授權與價格
此專案為開放原始碼,採用 MIT 授權。未提供價格資訊。
內容整理自該專案公開的 README 與儲存庫資訊。