jhj0517/whisper-webui

Whisper-WebUI Docker镜像文档

镜像概述

基本信息

• 项目来源：基于GitHub仓库 https://github.com/jhj0517/Whisper-WebUI 构建
• 构建方式：通过GitHub Action自动构建并推送（Automatically pushed via GitHub Action）
• 镜像用途：提供Web界面的Whisper语音识别服务，封装OpenAI Whisper模型为可直接部署的Web应用，支持通过浏览器进行语音识别操作。

核心功能与特性

核心功能

• Whisper模型集成：基于OpenAI Whisper语音识别模型，支持多语言语音转文字
• Web界面交互：提供直观的浏览器操作界面，无需命令行操作
• 多场景支持：支持本地语音文件上传（如MP3、WAV等格式）、实时麦克风输入转录
• 模型灵活性：支持选择不同大小的Whisper模型（如base、small、medium、large）以平衡速度与精度

特性

• 自动模型管理：首次启动时自动下载指定模型，支持模型缓存以减少重复下载
• 多语言识别：支持Whisper原生支持的99种语言，可通过界面选择目标语言
• 轻量化部署：基于Docker容器化，简化依赖管理，支持快速启动与停止
• 配置可定制：通过环境变量调整服务端口、模型参数、输出格式等

使用场景与适用范围

适用场景

• 个人用户：语音备忘录转文字、播客内容提取文本、学习资料语音转写
• 内容创作：视频创作者自动生成字幕文本、音频内容快速索引
• 团队协作：小型会议录音实时转录、访谈内容文字化存档
• 开发测试：作为语音识别服务后端，集成至其他应用（如聊天机器人、辅助工具）

适用范围

• 本地部署：个人电脑或服务器上通过Docker快速启动
• 小型服务：为小团队提供内部语音识别Web服务
• 开发环境：作为语音识别功能的测试依赖，加速应用开发

使用方法与配置说明

前置条件

• 已安装Docker Engine（20.10+版本推荐）
• 网络连接（首次启动需下载Whisper模型，模型大小根据选择从1GB到3GB不等）
• 若需GPU加速：需安装nvidia-docker并确保主机GPU支持（仅项目支持时可用）

Docker Run命令示例

基础启动（默认模型：base，默认端口：7860）

bash
docker run -d \
  --name whisper-webui \
  -p 7860:7860 \
  jhj0517/whisper-webui:latest

指定模型与语言（模型：small，语言：中文）

bash
docker run -d \
  --name whisper-webui \
  -p 7860:7860 \
  -e MODEL_SIZE=small \
  -e DEFAULT_LANGUAGE=zh \
  jhj0517/whisper-webui:latest

挂载本地目录（模型缓存与上传文件持久化）

bash
docker run -d \
  --name whisper-webui \
  -p 7860:7860 \
  -v ./model_cache:/app/models \  # 模型缓存目录（避免重复下载）
  -v ./uploads:/app/uploads \    # 上传文件存储目录
  -e MODEL_SIZE=medium \
  jhj0517/whisper-webui:latest

Docker Compose配置示例

创建docker-compose.yml文件：

yaml
version: '3.8'

services:
  whisper-webui:
    image: jhj0517/whisper-webui:latest
    container_name: whisper-webui
    ports:
      - "7860:7860"  # 主机端口:容器端口
    environment:
      - MODEL_SIZE=base  # 可选：base, small, medium, large
      - DEFAULT_LANGUAGE=auto  # 可选：auto, zh, en, ja等（auto为自动检测）
      - PORT=7860  # 容器内服务端口（需与-p映射一致）
      - CACHE_MODEL=true  # 是否缓存模型（默认true）
    volumes:
      - ./model_cache:/app/models  # 模型持久化目录
      - ./uploads:/app/uploads    # 上传文件存储目录
    restart: unless-stopped

启动命令：

bash
docker-compose up -d

环境变量说明

访问服务

服务启动后，通过浏览器访问：
http://<主机IP或localhost>:7860

界面功能说明：

• 文件上传区：点击或拖拽语音文件（支持MP3、WAV、FLAC等格式）
• 实时转录：点击麦克风图标进行实时语音输入转录
• 模型设置：界面内可临时切换模型大小或目标语言（覆盖环境变量配置）
• 结果导出：转录完成后可下载文本文件（TXT/SRT等格式，依项目支持）

数据持久化

为避免容器重建后丢失模型和上传文件，建议挂载以下目录：

• 模型缓存目录：/app/models（存储下载的Whisper模型文件）
• 上传文件目录：/app/uploads（存储用户上传的语音文件）

通过-v参数或docker-compose的volumes配置实现本地目录映射。

停止与卸载

bash
# 停止容器
docker stop whisper-webui

# 删除容器
docker rm whisper-webui

# （可选）删除镜像
docker rmi jhj0517/whisper-webui:latest

# （若使用docker-compose）停止并删除容器
docker-compose down

更新日志与版本说明

该镜像通过GitHub Action自动构建，版本标签与项目Git提交关联，建议通过以下方式获取最新版本：

bash
docker pull jhj0517/whisper-webui:latest

项目更新详情请参考原仓库：https://github.com/jhj0517/Whisper-WebUI 的Commit记录或Release说明。