首页
/ 实时语音转文本:speech-to-text

实时语音转文本:speech-to-text

2024-05-31 13:57:24作者:尤峻淳Whitney

speech-to-text 是一个高效的实时语音识别工具,利用faster-whisper库将声音转化为文本。通过集成Sounddevice获取麦克风输入,并借助Silero VAD进行语音活动检测,有效滤除静音部分,提升识别准确性。此外,它还提供了一个基于HTML的图形用户界面,让用户能够直观查看转录结果并进行详细设置。

技术解析

该系统架构清晰(见下图),采用Silero VAD进行语音分割,然后将音频数据传给Faster-Whisper模型进行转换。Faster-Whisper是一个快速而强大的 Whisper 模型的优化实现,能够在GPU上高效运行,为实时转录提供了可能。在句子之间间隔明显的情况下,转录速度可低于一秒。

实时语音转文本:speech-to-text

应用场景

  1. 实时字幕: 在在线会议、直播或教育环境中,能实时生成字幕,帮助听障人士理解内容。
  2. 智能助手: 集成到智能家居设备中,用于识别和执行用户的口头指令。
  3. 语音笔记: 将语音记录快速转化成文字,便于整理和搜索。
  4. 多语言交流: 作为翻译工具的基础,实现实时口语翻译。

项目特点

  1. 实时性: 基于高效的模型和算法,能在短时间内完成转录。
  2. GUI 易用性: 提供交互式界面,用户可调整参数以适应不同环境和需求。
  3. 扩展性强: 支持从WebSocket服务器发送转录结果,例如用于直播字幕同步;也能生成SRT文件用于视频字幕制作。
  4. 多格式支持: 能处理多种音频格式如wav、mp3、ogg等。
  5. 文本校验: 可选配OpenAI API进行文本修正,提高转录质量。
  6. 自定义配置: 用户可以保存和加载设置,方便再次使用。

安装与使用

只需一条pip install .命令即可安装。之后启动Python应用程序,通过菜单选择配置项并开始转录。对于OpenAI API的支持,记得设置OPENAI_API_KEY环境变量。

该项目持续更新,不断添加新功能和改进性能。是时候尝试这个强大的实时语音转文本工具,提升你的工作效率和用户体验吧!

[Demo链接](docs/demo.gif)

保持关注,了解更多更新动态!

  • 2023-06-26 添加了音频文件生成和同步显示功能。
  • 2023-06-29 现在可以从音频文件中进行转录。
  • 2023-11-27 新增对“large-v3”模型的支持,以及最新版本faster-whisper的要求。

立即加入,探索speech-to-text的无限可能性!

登录后查看全文
热门项目推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
260
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
854
505
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
254
295
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
331
1.08 K
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
397
370
note-gennote-gen
一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0
kernelkernel
deepin linux kernel
C
21
5