bytez/roshna-omer_whisper-small-kurdish-sorani Docker 镜像 - 轩辕镜像 | Docker 镜像高效稳定拉取服务

roshna-omer/whisper-small-Kurdish-Sorani Docker镜像文档

镜像概述

该Docker镜像封装了roshna-omer/whisper-small-Kurdish-Sorani模型，主要用于库尔德语索拉尼方言的自动语音识别（automatic-speech-recognition）任务。通过容器化部署，可便捷地在本地环境运行模型，提供语音转文本功能，并支持灵活的配置与扩展。

核心功能与特性

• 方言支持：专为库尔德语索拉尼方言优化的语音识别模型
• 本地部署：通过Docker容器实现本地化运行，增强数据隐私与控制
• 设备灵活性：支持CPU、GPU运行，可通过环境变量指定运行设备
• 权重缓存：支持模型权重本地持久化存储，减少重复下载时间
• 参数可配置：提供丰富的生成参数，支持长度控制、采样策略等高级功能
• API接口：通过HTTP POST请求实现推理调用，易于集成到应用系统

使用场景

• 库尔德语索拉尼方言的语音转写应用
• 多媒体内容（音频/视频）的字幕生成
• 语音助手或语音交互系统的后端识别服务
• 需要本地处理敏感语音数据的场景
• 学术研究或开发者对语音识别模型的二次开发

使用方法

前置要求

1. 安装Docker环境（确保支持GPU，如果需要GPU加速）
2. 获取Bytez API密钥：访问Bytez设置页面注册并登录，获取API密钥

拉取Docker镜像

bash
docker pull bytez/roshna-omer_whisper-small-kurdish-sorani

运行容器

基本运行（默认端口8000）

bash
docker run -it \
  -e KEY=YOUR_BYTEZ_API_KEY_HERE \
  -e PORT=8000 \
  -p 8000:8000 \
  bytez/roshna-omer_whisper-small-kurdish-sorani

调整端口

如需使用其他端口（如80端口）：

bash
docker run -it \
  -e KEY=YOUR_BYTEZ_API_KEY_HERE \
  -e PORT=80 \
  -p 80:80 \
  bytez/roshna-omer_whisper-small-kurdish-sorani

本地缓存模型权重

为避免重复下载大模型权重，可将权重目录挂载到本地：

bash
docker run -it \
  -v /本地缓存目录路径:/server/model \
  -e HF_HOME=/server/model \
  -e KEY=YOUR_BYTEZ_API_KEY_HERE \
  -p 8000:8000 \
  -e PORT=8000 \
  bytez/roshna-omer_whisper-small-kurdish-sorani

示例（Linux系统）：

bash
docker run -it \
  -v /home/user/models:/server/model \
  -e HF_HOME=/server/model \
  -e KEY=YOUR_BYTEZ_API_KEY_HERE \
  -p 8000:8000 \
  -e PORT=8000 \
  bytez/roshna-omer_whisper-small-kurdish-sorani

GPU加速运行

确保已安装Nvidia驱动和CUDA，添加--gpus all参数：

bash
docker run -it \
  --gpus all \
  -e KEY=YOUR_BYTEZ_API_KEY_HERE \
  -p 8000:8000 \
  -e PORT=8000 \
  bytez/roshna-omer_whisper-small-kurdish-sorani

本地缓存+GPU加速

bash
docker run -it \
  --gpus all \
  -v /本地缓存目录路径:/server/model \
  -e HF_HOME=/server/model \
  -e KEY=YOUR_BYTEZ_API_KEY_HERE \
  -p 8000:8000 \
  -e PORT=8000 \
  bytez/roshna-omer_whisper-small-kurdish-sorani

发送推理请求

容器启动后，通过HTTP POST请求发送语音数据进行识别：

bash
curl --location 'http://0.0.0.0:8000/run' \
--header 'Content-Type: application/json' \
--data-raw '{
  "b64AudioBufferWav": "INSERT_B64_WAV_AUDIO_HERE",
  "params": {
    "forward_params": {
      "language": "kurdish-sorani",
      "task": "transcribe"
    }
  }
}'

注：INSERT_B64_WAV_AUDIO_HERE需替换为WAV格式音频文件的Base64编码字符串

环境变量

模型参数

长度控制

生成策略

Logits 操作

生成参数

特殊 tokens

编码器-解码器生成参数

辅助生成参数

缓存参数

生成额外参数

完整参数列表参见 Hugging Face 文档

支持与帮助

• Bytez *** 社区
• 邮件支持：***（原文此处为supoprt，应为笔误，已修正）

本地运行模型可增强隐私保护、提高控制度并支持自定义配置，助力各类语音识别应用开发。