Whisper Input: um serviço de transcrição de voz para texto gratuito e de alta velocidade que usa o Groq

Introdução geral

Sussurro O Input é uma ferramenta de transcrição de fala de código aberto que permite que os usuários comecem a gravar a fala pressionando o botão Option e terminem a gravação levantando o botão. A ferramenta chama Groq O modelo Whisper Large V3 Turbo realiza a tradução de fala e fornece feedback rápido em 1 a 2 segundos. SiliconFlow Modelo hospedado do FunAudioLLM/SenseVoiceSmall que oferece reconhecimento mais rápido e maior precisão. É particularmente adequado para usuários que precisam de uma entrada de voz eficiente, incluindo deficientes visuais.

Lista de funções

• Gravação e tradução de vozPressione o botão Option para iniciar a gravação, levante o botão para encerrar a gravação e chame automaticamente o modelo para tradução.
• Suporte a vários idiomasSuporte à transcrição de fala em vários idiomas.
• Feedback rápidoA maioria das entradas de voz pode ser retornada em 1-2 segundos.
• Uso gratuitoSuporte ao uso gratuito fornecido pelo Groq e pelo SiliconFlow sem nenhum custo.
• Suporte à pontuaçãoPontuação: A pontuação é adicionada automaticamente para melhorar a legibilidade do texto traduzido.
• Suporte à acessibilidade: Um cliente simples do macOS está sendo desenvolvido para usuários com deficiência visual.

Usando a Ajuda

Processo de instalação

1. pré-condiçõesVerifique se você tem um ambiente Python local, não inferior à versão 3.10.
2. projeto de clonagem::

   git clone https://github.com/ErlichLiu/Whisper-Input.git

3. Criação de um ambiente virtual::

   python -m venv venv

4. Ativar o ambiente virtual::
   • macOS/Linux. bash
fonte venv/bin/activate

   • Windows. bash
. \venv\Scripts\activate

5. Instalação de dependências::

   pip install pip-tools
pip-compile requirements.in
pip install -r requirements.txt

modelo de configuração

Modelo Groq Whisper Large V3

1. Registre-se em uma conta Groq::Página de registro do Groq
2. Obter a chave da API::Chave da API do Groq
3. Configuração de variáveis de ambiente::

   cp .env.example .env

Cole a API KEY no campo .env Documentação:

   PLATAFORMA_DO_SERVIÇO=groq
GROQ_API_KEY=sua API_KEY

Modelos pequenos do SiliconFlow FunAudioLLM/SenseVoiceSmall

1. Registre uma conta no SiliconFlow::Página de registro do SiliconFlow
2. Obter a chave da API::Chave da API do SiliconFlow
3. Configuração de variáveis de ambiente::

   cp .env.example .env

Cole a API KEY no campo .env Documentação:

   SERVICE_PLATFORM=siliconflow
SILICONFLOW_API_KEY=sua API_KEY

programa de corrida

1. procedimento de acionamento::

   python main.py

2. UsoPressione o botão Option para iniciar a gravação de voz, levante o botão para encerrar a gravação, o programa executará automaticamente a tradução de voz e informará o resultado.

advertência

• operação em segundo planoO programa precisa ser executado em segundo plano o tempo todo, portanto, é recomendável executá-lo em um terminal ou em uma guia de terminal que não seja fechada com frequência.
• Suporte à acessibilidade: No futuro, um cliente macOS será disponibilizado para usuários com deficiência visual.

Descrição de uma frase (breve)

O Whisper Input é uma ferramenta eficiente de conversão de voz que suporta a entrada de voz em vários idiomas e converte a fala em texto com rapidez e precisão para usuários que precisam de uma entrada de voz eficiente.