WhisperDock - 语音转文本服务 🎤

本仓库托管Docker容器化的语音转文本转录服务，该服务利用Whisper C++结合Python提供音频文件转录API接口。

背景与动机

在快速发展的机器学***领域，获取高效且稳定的日常应用工具至关重要。语音转文本转录是取得显著进步的领域之一，但这些模型的快速高效部署仍面临挑战。Whisper C++作为高性能转录工具已成为强大选择，但其仍需简化的部署流程。

本仓库的创建旨在弥合语音转文本模型开发与实际应用部署之间的差距。许多现有解决方案需要大量设置和复杂的系统知识，部署耗时，为希望将转录功能集成到服务中的开发者、研究人员和企业造成障碍。

语音转文本转录服务旨在提供一个快速、可靠且易用的Whisper C++模型部署解决方案。通过Docker容器化该服务，我们显著降低了部署复杂性，使可扩展且易于访问的转录服务能够快速启动。

以下是该项目的主要动机：

• 部署速度：通过提供Docker化解决方案，实现转录服务的快速部署，使用户能在几分钟内从零基础启动完整功能的服务。
• 易用性：提供的API和Docker设置设计简洁，只需最少配置即可轻松集成到现有工作流中。
• 可访问性：简化Whisper C++的部署流程，为各种规模的开发者和组织提供利用最先进转录技术的机会。
• 持续集成与交付：借助GitHub Actions，更新和改进可无缝集成，确保服务始终与Whisper C++仓库的最新进展保持同步。

快速开始

使用Docker镜像

如需快速部署，可使用Docker仓库中提供的镜像。

最新稳定版：

bash
docker pull dublok/whisperdock:latest
docker run -p 5000:5000 dublok/whisperdock:latest

每日构建版（不稳定但可抢先体验新功能）：

bash
docker pull dublok/whisperdock:main
docker run -p 5000:5000 dublok/whisperdock:main

服务启动后可通过 http://localhost:5000 访问。

从源码构建

1. 克隆仓库：

bash
git clone [***]

2. 构建Docker镜像：

bash
docker build -t whisperdock .

3. 运行容器：

bash
docker run -p 5000:5000 whisperdock

API使用

要转录音频，向 /transcribe 端点发送包含音频文件的POST请求：

bash
curl -X POST -F 'file=@/path/to/your/audio.wav' http://localhost:5000/transcribe

确保音频文件为WAV格式，采样率为16kHz。

示例响应

转录成功后，服务将返回包含转录文本及各段时间戳的JSON响应。示例响应如下：

json
{
  "transcription": [
    {
      "start_time": "00:00:00.000",
      "end_time": "00:00:03.000",
      "text": "欢迎使用我们的语音转文本服务。"
    },
    {
      "start_time": "00:00:03.500",
      "end_time": "00:00:05.000",
      "text": "这是一个转录示例。"
    }
  ]
}

若转录出错，服务将返回错误响应：

json
{
  "error": "转录过程出错"
}

应用中需适当处理成功和错误响应。

开发

先决条件

• Docker
• Python 3.8
• C++构建工具（cmake、make、g++）
• ffmpeg

设置与构建

仓库中的 Dockerfile 详细说明了设置环境和安装转录服务所需依赖的步骤。

贡献指南

欢迎贡献！如果您希望贡献代码，请提交包含建议更改或修复的拉取请求。

持续集成

本项目使用GitHub Actions进行持续集成，自动执行以下任务：

• sync-whisper.yml：同步whisper.cpp的最新标签或提交。
• publish-docker.yml：在代码变更时自动构建并推送Docker镜像到仓库。

许可证

本语音转文本转录服务基于 CC0 1.0 通用公共领域授权 开放。