Parakeet-API: 高性能本地语音转录服务

parakeet-api 项目 是一个基于 NVIDIA Parakeet-tdt-0.6b-v3 模型的本地语音转录服务。它提供了一个与 OpenAI API 兼容的接口和一个简洁的 Web 用户界面，让您能够轻松、快速地将任何音视频文件转换为高精度的 SRT 字幕,同时可适配pyVideoTrans v3.72+。

parakeet模型目前支持英语/日语，以及其他24种欧洲语言

Bulgarian (bg), Croatian (hr), Czech (cs), Danish (da), Dutch (nl), English (en), Estonian (et), Finnish (fi), French (fr), German (de), Greek (el), Hungarian (hu), Italian (it), Latvian (lv), Lithuanian (lt), Maltese (mt), Polish (pl), Portuguese (pt), Romanian (ro), Slovak (sk), Slovenian (sl), Spanish (es), Swedish (sv), Russian (ru), Ukrainian (uk)

✨ Parakeet-API 核心优势

• 🚀 极致的速度与性能: Parakeet 模型经过高度优化，尤其在配备 NVIDIA GPU 的环境下，其转录速度非常快，特别适合处理大量或长时长的音视频文件。
• 🎯 精准的时间戳: 采用先进的 Transducer (TDT) 技术，生成的 SRT 字幕时间戳非常精确，能与音频流完美对齐，非常适合视频字幕制作。
• 💰 完全免费，无限使用: 在您自己的硬件上运行，无需支付任何 API 调用费用，也没有使用时长的限制。
• 🌐 灵活的访问方式: 提供直观的 Web 界面和标准化的 API 接口，可轻松集成到 pyVideoTrans 等现有工作流中。

🛠️ 安装与配置指南

整合包升级仅需下载该源码，解压后复制app.py文件，覆盖整合包中的app.py即可

本项目支持 Windows, macOS 和 Linux。请按照以下步骤进行安装和配置。

Win 整合包下载地址1： 从百度网盘下载

Win 整合包下载地址2： 从HuggingFace.co下载

源码安装

步骤 0: 配置 python3.10 环境

如果你本机无python3，请照此教程安装: https://pvt9.com/_posts/pythoninstall

步骤 1: 准备 FFmpeg

本项目使用 ffmpeg 进行音视频格式预处理。

• Windows (推荐):

  1. 从 FFmpeg gyan下载 解压后得到ffmpeg.exe。
  2. 将下载的 ffmpeg.exe 和 ffprobe.exe 文件直接放置在本项目根目录 (与 app.py 文件在同一级)，程序会自动检测并使用它，无需配置环境变量。

• macOS (使用 Homebrew):

  brew install ffmpeg

• Linux (Debian/Ubuntu):

  sudo apt update && sudo apt install ffmpeg

步骤 2: 创建 Python 虚拟环境并安装依赖

1. 下载或克隆本项目代码到您的本地计算机(建议放在非系统盘的英文或数字文件夹内)。

2. 打开终端或命令行工具，并进入项目根目录(windows上直接在文件夹地址栏里输入cmd回车即可)。

3. 创建虚拟环境: python -m venv venv

4. 激活虚拟环境:

   • Windows (CMD/PowerShell): .\venv\Scripts\activate
   • macOS / Linux (Bash/Zsh): source venv/bin/activate

5. 安装依赖库:

   • 如果您没有 NVIDIA 显卡 (仅使用 CPU):

     pip install -r requirements.txt

   • 如果您有 NVIDIA 显卡 (使用 GPU 加速): a. 确保您已安装最新的 NVIDIA 驱动 和相应的 CUDA Toolkit。 b. 卸载可能存在的旧版 PyTorch: pip uninstall -y torch c. 安装与您的 CUDA 版本匹配的 PyTorch (以 CUDA 12.6 为例):

     pip install torch --index-url https://download.pytorch.org/whl/cu126

如果在 pip install -r requirements.txt 中遇到错误无法解决，可参阅该教程: https://pyvideotrans.com/blog/pip-install-sslerror-parseerror

步骤 3: 启动服务

在已激活虚拟环境的终端中，运行以下命令：

python app.py

您将看到服务启动的提示。首次运行会下载模型（约1.2GB），请耐心等待。

如果出现一堆提示，无需介意，

启动成功界面

🚀 使用方法

方法 1: 使用 Web 界面

1. 在浏览器中打开：http://127.0.0.1:5092
2. 拖拽或点击上传您的音视频文件。
3. 点击 "开始转录"，等待处理完成即可在下方看到并下载 SRT 字幕。

方法 2: API 调用 (Python 示例)

使用 openai 库可以轻松调用本服务。

from openai import OpenAI

client = OpenAI(
    base_url="http://127.0.0.1:5092/v1",
    api_key="any-key",
)

with open("your_audio.mp3", "rb") as audio_file:
    srt_result = client.audio.transcriptions.create(
        model="parakeet",
        file=audio_file,
		prompt="en",#en英语，ja 日语
        response_format="srt"
    )
print(srt_result)

如果传递参数 model="parakeet_srt_words", 将在返回的srt字符串后以----..---- 连接 字级时间戳,如下

> 为何使用丑陋的 `----..----`而不是返回json对象？出于兼容之前版本考虑，仍返回字符串。

### 方法 3: 集成到 pyVideoTrans (推荐)

Parakeet-API 可与视频翻译工具 `pyVideoTrans` (v3.72及以上版本) 无缝集成。

![](https://pvtr2.pyvideotrans.com/1751278281473_image.png)

1.  确保您的 `parakeet-api` 服务正在本地运行。
2.  打开 `pyVideoTrans` 软件。
3.  在菜单栏中，选择 **语音识别(R) -> Nvidia parakeet-tdt**。
4.  在弹出的配置窗口中，将 **"http地址"** 设置为：`http://127.0.0.1:5092/v1`
5.  点击 **"保存"**，即可开始使用。