Skip to content

README.md

Latest commit

 

History

History
83 lines (66 loc) · 3.13 KB

README.md

File metadata and controls

83 lines (66 loc) · 3.13 KB
Raw

Speech-To-Text 音频转录校准工具

项目简介

一个简单而强大的语音转文字应用，支持多种语音识别 API 接入进行音频转录，并可调用 OpenAI 格式 API 进行校准优化。

功能特点

  • 🎤 支持上传音频文件进行转写
  • 🔌 支持多种语音识别服务
  • ✒️ 支持对转录结果进行校准优化
  • 📑 支持一键生成摘要
  • 🚀 支持docker部署
  • 🌐 简洁的 Web 界面
  • 🔒 通过环境变量配置 API 信息

重大更新

20250609 更新

  • 支持通过直接接入AI客户端通过API调用
    1. s2t-calibrated提供“音频 -> 校准后文本”服务
    2. s2t-summarized提供“音频 -> 最终摘要”服务
  • 对后端路由进行了命名空间重构
    1. GET /：Web UI页面服务
    2. POST /api/...：为Web UI服务的内部数据接口
    3. POST /v1/...：为外部开发者服务的API接口

20250607 更新

  • 新增量子速读功能：一键生成摘要。支持切换显示 原文/摘要。

20250606 更新

  • 引入自动分块机制: 自动检测长文本，当转录稿超过设定长度时，智能分割成多个语义完整的文本块。避免超出 API Token 限制。
  • 引入上下文感知机制 : 在处理每个文本块时，将前一文本块的结尾部分作为上下文提示，一并发送给 AI 模型。确保最终文本的连贯性和风格一致性。
  • 引入并发校准机制: 多线程并发处理，可同时向校准服务 API 发送多个文本块的请求（当前并发数为3）。缩短超长文本的总体处理时间。
  • 引入自动重试机制: 在单文本块未成功校准时，自动进行最多3次重试。

前端预览

image

快速开始

自行构建 Docker

  1. 构建镜像:

    docker build -t speech-to-text .

  2. 部署容器:

    version: '3.8'
services:
  speech-to-text:
    image: speech-to-text:latest
    container_name: speech-to-text
    environment:
      - S2T_API_URL = your-speech-to-text-api-endpoint-url
      # 语音转录 API 地址，可选配置，默认是硅基(https://api.siliconflow.cn/v1/audio/transcriptions)
      - S2T_API_KEY = your-speech-to-text-api-key
      # 语音转录 API Key，必须配置
      - S2T_MODEL = your-speech-to-text-model
      # 语音转录模型，可选配置，默认是 FunAudioLLM/SenseVoiceSmall
      - OPT_API_URL = your-text-optimizing-api-endpoint-url
      # 文本校准优化 API 地址，可选配置，不配置不启用优化，直接转出转录结果
      - OPT_API_KEY = your-text-optimizing-api-key
      # 文本校准优化 API Key
      - OPT_MODEL = your-text-optimizing-model
      # 文本校准优化模型
      - API_ACCESS_TOKEN = your-api-auth-key
      # API 密钥
    ports:
      - "your-port:5000"

技术栈

  • 后端：Python Flask
  • 前端：HTML, CSS, JavaScript

许可证

MIT License