基于 whisper 的实时语音识别 网页和桌面客户端 - V2EX
V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
爱意满满的作品展示区。
relsoul
V2EX    分享创造

基于 whisper 的实时语音识别 网页和桌面客户端

  •  
  •   relsoul 2024-09-20 23:31:49 +08:00 2725 次点击
    这是一个创建于 390 天前的主题,其中的信息可能已经有所发展或是发生改变。

    前言

    最近上了个网课,由于是直播课,没有字幕,感觉不太爽,调研了一下 目前没有基于本地 whisper 的实时字幕软件.. 于是自己手搓了一个~ 欢迎 star

    传送门: https://github.com/Relsoul/whisper-win-gui

    支持功能

    • 实时语音识别
    • 实时语音识别结果展示
    • 实时语音识别结果 websocket 推送
    • 系统音频监听(windows)
    • 网页 video websocket 推送及字幕功能

    研究网页捕捉 audio 流花了一点点时间~ audiocontext 获取的有点点问题~ 改捕捉 video 流 filter audio 了~

    对 gui 开发不太熟~ 本来想用 webview 的,但是又没透明效果 还好有 flet~

    更多简介 github 已经列出来了~ 这里就不再重复列出了,希望能帮到有需要的人

    5 条回复    2024-09-21 14:18:30 +08:00
    lekai63
        1
    lekai63  
       2024-09-21 00:15:45 +08:00 via iPhone
    楼主 你这项目 拿来看 av 应该不错
    relsoul
        2
    relsoul  
    OP
       2024-09-21 00:19:55 +08:00
    @lekai63 模型其实自带了翻译功能 但是我没用过(狗头
    fonlan
        3
    fonlan  
       2024-09-21 00:20:39 +08:00 via Android
    star 为敬,希望能支持对识别出的语音实时翻译,跟老外开会比较有用
    relsoul
        4
    relsoul  
    OP
       2024-09-21 00:22:30 +08:00
    @fonlan 其实有 task:"translate" 但是我没用过,不知道效果咋样

    ```
    result = pipe(sample, return_timestamps=True, generate_kwargs={"language": "french", "task": "translate"})
    print(result["chunks"])

    ```
    ruobingm
        5
    ruobingm  
       2024-09-21 14:18:30 +08:00
    @lekai63 一下眼界就开阔了~
    关于     帮助文档     自助推广系统     博客     API     FAQ     Solana     1571 人在线   最高记录 6679       Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 28ms UTC 16:28 PVG 00:28 LAX 09:28 JFK 12:28
    Do have faith in what you're doing.
    ubao msn snddm index pchome yahoo rakuten mypaper meadowduck bidyahoo youbao zxmzxm asda bnvcg cvbfg dfscv mmhjk xxddc yybgb zznbn ccubao uaitu acv GXCV ET GDG YH FG BCVB FJFH CBRE CBC GDG ET54 WRWR RWER WREW WRWER RWER SDG EW SF DSFSF fbbs ubao fhd dfg ewr dg df ewwr ewwr et ruyut utut dfg fgd gdfgt etg dfgt dfgd ert4 gd fgg wr 235 wer3 we vsdf sdf gdf ert xcv sdf rwer hfd dfg cvb rwf afb dfh jgh bmn lgh rty gfds cxv xcv xcs vdas fdf fgd cv sdf tert sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf shasha9178 shasha9178 shasha9178 shasha9178 shasha9178 liflif2 liflif2 liflif2 liflif2 liflif2 liblib3 liblib3 liblib3 liblib3 liblib3 zhazha444 zhazha444 zhazha444 zhazha444 zhazha444 dende5 dende denden denden2 denden21 fenfen9 fenf619 fen619 fenfe9 fe619 sdf sdf sdf sdf sdf zhazh90 zhazh0 zhaa50 zha90 zh590 zho zhoz zhozh zhozho zhozho2 lislis lls95 lili95 lils5 liss9 sdf0ty987 sdft876 sdft9876 sdf09876 sd0t9876 sdf0ty98 sdf0976 sdf0ty986 sdf0ty96 sdf0t76 sdf0876 df0ty98 sf0t876 sd0ty76 sdy76 sdf76 sdf0t76 sdf0ty9 sdf0ty98 sdf0ty987 sdf0ty98 sdf6676 sdf876 sd876 sd876 sdf6 sdf6 sdf9876 sdf0t sdf06 sdf0ty9776 sdf0ty9776 sdf0ty76 sdf8876 sdf0t sd6 sdf06 s688876 sd688 sdf86