一个简单的本地语音识别服务

[jianchang512]

基于 openai-whipser 开源模型和 flask ，搭建的本地离线运行的语音识别服务，主要自用用于取代百度语音识别的。

GitHub: https://github.com/jianchang512/stt

这是一个离线运行的本地语音识别转文字工具，基于 openai-whipser 开源模型，可将视频/音频中的人类声音识别并转为文字，可输出 json 格式、srt 字幕带时间戳格式、纯文字格式。可用于自行部署后替代 openai 的语音识别接口或百度语音识别等，准确率基本等同 openai 官方 api 接口。


<amp-youtube data-videoid="QOEYNQQbxF8" layout="responsive" width="480" height="270"></amp-youtube>

[lloovve]

识别效果如何？能在 linux 下部署么

[jjshare123]

赞，效果如何？

[tqyq88]

https://github.com/SYSTRAN/faster-whisper 这个性能吊打 openai 原生的

[eatgrass]

https://huggingface.co/spaces/Xenova/whisper-web
直接浏览器里运行，0 部署

[JNian]

请问作者有没有考虑增加 diarization 功能

[buyno1]

对 windows 版本有什么要求？电脑配图有什么要求

[buyno1]

@tqyq88 colab 有没有平替的 用来你说这个部署

[buyno1]

@eatgrass 用 19 秒的 mp3 试了 报错

[chopin1998519]

我偷懒直接用 https://github.com/collabora/WhisperLive