RealtimeSTT：实时语音转文字工具，基于Whisper实现低延迟流式语音识别

综合介绍

RealtimeSTT 是一个高效、低延迟的实时语音转文字库，具备先进的语音活动检测和唤醒词激活功能。该项目由 Kolja Beigel 开发，旨在为需要快速、准确语音转文字的应用提供支持。无论是语音助手还是需要精确语音转录的应用，RealtimeSTT 都能提供出色的性能和易用性。

功能列表

• 实时语音转文字：实时将语音转录为文字，适用于各种应用场景。
• 语音活动检测：自动检测用户何时开始和停止说话，提高转录准确性。
• 唤醒词激活：支持唤醒词功能，用户可以通过特定词语激活系统。
• 低延迟：确保语音转文字过程中的低延迟，提升用户体验。
• 多平台支持：兼容多种操作系统和平台，方便集成。
• 开源代码：提供完整的开源代码，便于开发者进行二次开发和定制。

使用帮助

安装流程

1. 克隆项目仓库：

   git clone https://github.com/KoljaB/RealtimeSTT.git

2. 进入项目目录：

   cd RealtimeSTT

3. 安装依赖：

   pip install -r requirements.txt

4. （可选）安装 GPU 支持：

   pip install -r requirements-gpu.txt

使用方法

启动服务器

1. 启动语音转文字服务器：

   stt-server

2. 服务器启动后，等待提示“speak now”。

客户端使用

1. 启动客户端并连接到服务器：

   stt

2. 客户端启动后，开始说话，系统将实时转录语音为文字。

主要功能操作流程

实时语音转文字

1. 导入 AudioToTextRecorder 类：

   from RealtimeSTT import AudioToTextRecorder

2. 定义处理文本的函数：

   def process_text(text):
print(text)

3. 启动录音并处理文本：

   if __name__ == '__main__':
print("Wait until it says 'speak now'")
recorder = AudioToTextRecorder()
while True:
recorder.text(process_text)

语音活动检测

1. 系统会自动检测用户何时开始和停止说话，无需额外配置。

唤醒词激活

1. 配置唤醒词功能，用户可以通过特定词语激活系统，具体配置请参考项目文档。

详细操作示例

打字一切所说内容

1. 导入 AudioToTextRecorder 和 pyautogui：

   from RealtimeSTT import AudioToTextRecorder
import pyautogui

2. 定义处理文本的函数：

   def process_text(text):
pyautogui.typewrite(text + " ")

3. 启动录音并处理文本：

   if __name__ == '__main__':
print("Wait until it says 'speak now'")
recorder = AudioToTextRecorder()
while True:
recorder.text(process_text)