RealtimeSTT: инструмент преобразования речи в текст в реальном времени для потокового распознавания речи с низкой задержкой на основе Whisper

Общее введение

RealtimeSTT - это эффективная библиотека преобразования речи в текст в реальном времени с низкой задержкой и расширенными функциями обнаружения речевой активности и активации слов при пробуждении. Она была разработана Колей Бейгелем для поддержки приложений, требующих быстрой и точной транскрипции речи в текст. Будь то голосовой помощник или приложение, требующее точной транскрипции речи, RealtimeSTT обеспечивает отличную производительность и простоту использования.

Список функций

• Перевод речи в текст в реальном времени: транскрибируйте речь в текст в реальном времени для различных сценариев применения.
• Определение речевой активности: автоматическое определение того, когда пользователь начинает и прекращает говорить, что повышает точность транскрипции.
• Активация по слову: поддержка функции слова пробуждения, пользователи могут активировать систему по определенным словам.
• Низкая задержка: Обеспечьте низкую задержку в процессе преобразования речи в текст, чтобы повысить удобство использования.
• Поддержка нескольких платформ: совместимость с несколькими операционными системами и платформами для легкой интеграции.
• Открытый исходный код: Предоставление полного открытого исходного кода для разработчиков, чтобы они могли осуществлять вторичную разработку и кастомизацию.

Использование помощи

Процесс установки

1. Хранилище проектов клонирования:

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

2. Перейдите в каталог проектов:

   cd RealtimeSTT

3. Установите зависимость:

   pip install -r requirements.txt

4. (Необязательно) Установите поддержку GPU:

   pip install -r requirements-gpu.txt

Использование

Запустите сервер

1. Запустите сервер преобразования речи в текст:

   stt-server

2. После запуска сервера дождитесь подсказки "speak now".

Использование клиентами

1. Запустите клиент и подключитесь к серверу:

   stt

2. Запустив клиент, начните говорить, и система в режиме реального времени будет транскрибировать речь в текст.

Основные функции

преобразование речи в текст в режиме реального времени

1. импорт (данные) AudioToTextRecorder Класс:

   from RealtimeSTT import AudioToTextRecorder

2. Определяет функции, обрабатывающие текст:

   def process_text(text):
print(text)

3. Запускает запись и обрабатывает текст:

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

Обнаружение голосовой активности

1. Система автоматически определяет, когда пользователь начинает и прекращает говорить, и не требует дополнительной настройки.

активация будильника

1. Настройте функцию слова пробуждения, пользователи могут активировать систему с помощью определенных слов, пожалуйста, обратитесь к проектной документации для конкретной конфигурации.

Подробный пример работы

Печатайте все, что говорится

1. импорт (данные) AudioToTextRecorder ответить пением pyautogui::

   from RealtimeSTT import AudioToTextRecorder
import pyautogui

2. Определяет функции, обрабатывающие текст:

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

3. Запускает запись и обрабатывает текст:

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