whishper

แบนเนอร์กระซิบ" style="max-width: 100%;">

- ฉันกำลังเขียนโครงการใหม่ทั้งหมด สามารถดูความคืบหน้าได้ที่สาขา v4 ดังนั้นสาขานี้จะไม่ได้รับข้อมูลออกใหม่หรืออัปเดตใด ๆ

whishper เป็นชุดการถอดเสียงและคำบรรยายในเครื่องแบบโอเพ่นซอร์ส 100% พร้อม UI เว็บที่มีคุณสมบัติครบถ้วน

คุณสมบัติ

• ถอดเสียงสื่อใด ๆ ให้เป็นข้อความ: เสียง วิดีโอ ฯลฯ
  • ถอดเสียงจาก URL (แหล่งที่มาใด ๆ ที่ yt-dlp รองรับ)
  • อัปโหลดไฟล์ที่จะถอดเสียง
• - ดาวน์โหลดการถอดเสียงในหลายรูปแบบ : TXT, JSON, VTT, SRT หรือคัดลอกข้อความดิบไปยังคลิปบอร์ดของคุณ
• แปลการถอดเสียงของคุณ เป็นภาษาใดๆ ที่ Libretranslate รองรับ
• ✍️ โปรแกรมแก้ไขคำบรรยายที่ทรงพลัง ดังนั้นคุณไม่จำเป็นต้องออกจาก UI!
  • การเน้นการถอดเสียงตามตำแหน่งสื่อ
  • คำเตือน CPS (ตัวอักษรต่อวินาที)
  • การแบ่งส่วน.
  • การแทรกส่วน
  • การเลือกภาษาคำบรรยาย
• - ท้องถิ่น 100% : การถอดเสียง การแปล และคำบรรยายเกิดขึ้น 100% บนเครื่องของคุณ (สามารถทำงานแบบออฟไลน์ได้ด้วย!)
• รวดเร็ว : ใช้ FasterWhisper เป็นแบ็กเอนด์ Whisper: รับเวลาการถอดรหัสบน CPU เร็วขึ้นมาก!
• - การตั้งค่าที่ง่ายและรวดเร็ว : ใช้สคริปต์เริ่มต้นอย่างรวดเร็วหรือดำเนินการไม่กี่ขั้นตอน!
• รองรับ GPU : ใช้ NVIDIA GPU ของคุณเพื่อรับเวลาการถอดเสียงที่เร็วยิ่งขึ้น!
• - รองรับ CPU : ไม่มี GPU? ไม่มีปัญหา! whishper สามารถทำงานบน CPU ได้เช่นกัน

แผนการทำงาน

• โฟลเดอร์ในเครื่องเป็นอินพุตสื่อ (#15)
• ค้นหาข้อความฉบับเต็มการถอดเสียงทั้งหมด
• การรับรองความถูกต้องของผู้ใช้
• การบันทึกเสียงจากเบราว์เซอร์
• เพิ่มเสียงกระซิบที่รวดเร็วอย่างเหลือเชื่อเป็นแบ็กเอนด์เสริม (#53)
• รองรับการเร่งความเร็ว GPU
  • รองรับ GPU ที่ไม่ใช่ NVIDIA เป็นไปได้ไหมด้วยการกระซิบเร็วขึ้น?
• เราสามารถทำอะไรกับการสื่อสารแบบไม่มีรอยต่อได้ไหม?

โครงสร้างโครงการ

whishper คือชุดของชิ้นส่วนที่ทำงานร่วมกัน สามชิ้นหลักคือ:

• Transcription-API: นี่คือ API ที่ช่วยให้สามารถรัน Faster-Whisper ได้ คุณสามารถค้นหาได้ในโฟลเดอร์ transcription-api
• whishper -Backend: นี่คือแบ็กเอนด์ที่ประสานงานการเรียกส่วนหน้า ฐานข้อมูล และงานต่างๆ คุณสามารถค้นหาได้ในโฟลเดอร์ backend
• whishper -Frontend: นี่คือส่วนหน้า (เว็บ UI) ของแอปพลิเคชัน คุณสามารถค้นหาได้ในโฟลเดอร์ frontend
• การแปล (บุคคลที่สาม): นี่คือคอนเทนเนอร์ libretranslate ที่ใช้สำหรับการแปลคำบรรยาย
• MongoDB (บุคคลที่สาม): นี่คือฐานข้อมูลที่เก็บข้อมูลทั้งหมดเกี่ยวกับการถอดเสียงของคุณ
• Nginx (บุคคลที่สาม): นี่คือพร็อกซีที่อนุญาตให้เรียกใช้ทุกอย่างจากโดเมนเดียว

มีส่วนร่วม

ยินดีบริจาค! อย่าลังเลที่จะเปิด PR พร้อมการเปลี่ยนแปลงของคุณ หรือดูปัญหาต่างๆ เพื่อดูว่ามีอะไรที่คุณสามารถช่วยเหลือได้หรือไม่

การตั้งค่าการพัฒนา

ตรวจสอบเอกสารการพัฒนาที่นี่

ภาพหน้าจอ

ภาพหน้าจอเหล่านี้มีอยู่บนเว็บไซต์อย่างเป็นทางการ คลิกลิงก์ใดๆ ต่อไปนี้เพื่อดู:

• การสร้างการถอดเสียง
• การแปลแบบถอดความ
• ดาวน์โหลดการถอดเสียง
• โปรแกรมแก้ไขคำบรรยาย

สนับสนุน

• มอนโร: 82x6cn628oTUXV63DxBd6MJB8d997FhaSaGFvoWMgwihVmgiXYQPAwm2BCH31AovA9Qnnv1qQRrJk83TaJ8DaSZU2zkbWfM
• บิทคอยน์: bc1qfph44jl4cy03stwfkk7g0qlwx2grldr9xpk086
• เครือข่ายสายฟ้า (kycnotme)

ประวัติดารา

เครดิต

• กระซิบได้เร็วขึ้น
• LibreTranslate