backmeupplz/voicy

何を解決するか

Voicy は、Telegram ボットとして、音声メッセージを自動的にテキストに変換する機能を提供し、グループチャットでの音声ノートを聞く代わりに、読むことができるようになります。

動作方法

このシステムは、受信した音声ファイルを MongoDB データベースにキューイングするバックエンドを使用しています。その後、1つ以上の認証済みワーカークライアントがこのバックエンドをポーリングします。これらのワーカーは音声ファイルをダウンロードし、トランスクリプションエンジン（例：Windows GPUワーカーでの faster-whisper）を使用して処理し、最終的なトランスクリプトをボットにアップロードして、Telegram チャットに配信します。

対象ユーザー

音声メッセージよりもテキストを好む Telegram のユーザー、およびメッセージングプラットフォーム向けの自動トランスクリプションサービスを実装したい開発者。

特徴

• GPUアクセラレーション：CUDA を使用したローカル Windows GPUワーカーをサポートし、より高速なトランスクリプションを実現。
• スケーラブルなアーキテクチャ：複数のクライアントでトランスクリプションジョブを処理できるワーカー・キュー方式を採用。
• スケーラブルなトランスクリプション：faster-whisper など、large-v3 などのモデルを含むさまざまなエンジンをサポート。
• Telegram統合：Telegram ゲストモードと、有料チャットアクセス用の Stripe による内蔵寄付システムをサポート。