Multi-STT: 多引擎语音转文本工具

Multi-STT 是一个使用 FastAPI 构建的语音转文本 API，它整合了三个强大的语音识别引擎：

• Whisper: 由 OpenAI 开发的强大语音识别模型。
• Faster Whisper: Whisper 模型的更快实现，使用 CTranslate2 进行推理加速。
• FunASR: 阿里巴巴达摩院开发的一个开源自动语音识别(ASR)系统。

通过结合多个引擎，Multi-STT 可以提供更准确、更强大的语音转文本功能。

功能

• 接收音频文件（例如 WAV 格式）并将其转录为文本。
• 支持多种语言，包括英语、中文等（具体取决于所使用的模型）。
• 可以选择使用不同的语音识别引擎（Whisper, Faster Whisper, FunASR）。
• 提供易于使用的 API 接口，方便集成到其他应用程序中。

安装

1. 克隆项目仓库：

   git clone https://github.com/sipeter/Multi-STT.git
   cd Multi-STT

2. 创建虚拟环境并激活：

   python -m venv venv
   venv\Scripts\activate

3. 安装依赖项：

   pip install -r requirements.txt

使用方法

1. 启动 API 服务器：

   python fasterwhisper_api.py 

   或

   python funasr_api.py 

   (根据需要选择要使用的引擎)

2. 发送音频文件到 API 接口进行转录：

   curl -X POST -F "file=@audio.wav" http://localhost:8002/v1/audio/transcriptions

   (将 audio.wav 替换为你的音频文件路径， 8002 替换为 API 服务器的端口号)

配置

• 你可以在 fasterwhisper_api.py 和 funasr_api.py 文件中修改 API 服务器的端口号和其他配置选项。
• 你可以在 requirements.txt 文件中指定要使用的 whisper 、 faster-whisper 和 funasr 的版本。

贡献

欢迎提交 issue 和 PR 来改进 Multi-STT 项目。

许可证

MIT License

Multi-STT: Multi-Engine Speech-to-Text API

Multi-STT is a FastAPI-based speech-to-text API that leverages the power of three leading speech recognition engines:

• Whisper: A robust and accurate speech recognition model developed by OpenAI.
• Faster Whisper: A faster implementation of the Whisper model, using CTranslate2 for inference acceleration.
• FunASR: An open-source Automatic Speech Recognition (ASR) toolkit developed by Alibaba DAMO Academy.

By combining multiple engines, Multi-STT offers enhanced accuracy and robustness for your speech-to-text needs.

Features

• Transcribes audio files (e.g., WAV format) into text.
• Supports various languages, including English, Chinese, and more (depending on the models used).
• Offers the flexibility to choose between different speech recognition engines (Whisper, Faster Whisper, FunASR).
• Provides a user-friendly API interface for easy integration into other applications.

Installation

1. Clone the repository:

   git clone https://github.com/sipeter/Multi-STT.git
   cd Multi-STT

2. Create and activate a virtual environment:

   python -m venv venv
   venv\Scripts\activate

3. Install the dependencies:

   pip install -r requirements.txt

Usage

1. Start the API server:

   python fasterwhisper_api.py 

   or

   python funasr_api.py 

   (Choose the engine you want to use)

2. Send an audio file to the API endpoint for transcription:

   curl -X POST -F "file=@audio.wav" http://localhost:8002/v1/audio/transcriptions

   (Replace audio.wav with your audio file path and 8002 with the API server port)

Configuration

• You can modify the API server port and other configuration options in the fasterwhisper_api.py and funasr_api.py files.
• You can specify the versions of whisper, faster-whisper, and funasr you want to use in the requirements.txt file.

Contributing

Contributions are welcome! Feel free to submit issues and pull requests to improve Multi-STT.

License

MIT License