ahmetoner/whisper-asr-webservice

OpenAI Whisper ASR Webservice API

해결하는 문제

OpenAI의 Whisper 모델을 위한 즉시 사용 가능한 REST API 래퍼를 제공하여, 사용자가 자체 서버 인프라를 구축할 필요 없이 다른 애플리케이션에 음성-텍스트 변환 기능을 쉽게 배포하고 통합할 수 있도록 합니다.

작동 방식

이 프로젝트는 여러 고성능 Whisper 엔진(OpenAI Whisper, Faster Whisper, WhisperX)을 Docker화된 웹 서비스로 래핑합니다. FFmpeg를 사용하여 다양한 오디오 및 비디오 형식을 처리하며, 오디오 파일을 전송하고 전사(transcription)를 받기 위한 Swagger 문서가 포함된 REST API를 제공합니다.

대상 사용자

다양한 모델과 출력 형식(자막을 위한 SRT 또는 VTT 등)을 지원하고 CPU 또는 GPU에서 실행 가능한 셀프 호스팅 음성 인식 서비스를 배포해야 하는 개발자.

주요 특징

  • 다중 엔진 지원: OpenAI Whisper, Faster Whisper, WhisperX를 지원합니다.
  • 유연한 출력: 전사 결과는 text, JSON, VTT, SRT 또는 TSV로 내보낼 수 있습니다.
  • 고급 전사 기능: WhisperX를 통한 단어 단위 타임스탬프, 음성 활동 감지(VAD) 필터링 및 화자 분리(diarization)를 포함합니다.
  • 쉬운 배포: CPU 및 GPU 가속을 위한 Docker 이미지로 제공됩니다.
  • 폭넓은 형식 지원: FFmpeg와 통합되어 광범위한 오디오/비디오 호환성을 제공합니다.

관련

  • 프로젝트
    innovatorved/whisper.api

    whisper.cpp 기반의 고성능 자가 호스팅 음성 인식(speech-to-text) API로, Deepgram과 호환되어 통합이 용이합니다.

  • 프로젝트
    jim60105/docker-whisperX

    단어 수준 타임스탬프와 화자 분리를 제공하는 WhisperX용 최적화된 Docker 이미지 모음. 사전 번들된 ASR 모델을 통해 빠르고 효율적인 음성-텍스트 변환을 가능하게 합니다.

  • Dispatch
    OpenAI Whisper 릴리스

    OpenAI는 Whisper를 출시했습니다. Whisper는 다국어 및 다중 작업 감독 데이터 68만 시간으로 학습된 자동 음성 인식(ASR) 시스템으로, 억양, 잡음 및 언어 전반에 걸친 견고성을 향상시킵니다.

  • 프로젝트
    openai/whisper

    Whisper는 OpenAI의 오픈 소스 트랜스포머 기반 음성-텍스트 변환 시스템으로, 다양한 언어에 대해 전사, 언어 식별 및 번역을 처리합니다. 6가지 모델 크기(tiny → large, 그리고 빠른 "turbo" 변체)를 갖춘 pip 설치 가능 패키지로 제공됩니다. CLI (`whisper …`)와 간단한 Python API (`whisper.load_model(...).transcribe(...)`)를 사용하면 몇 가지 명령만으로 오디오 파일을 텍스트로 변환할 수 있습니다. 이 프로젝트는 Python 3.8-3.11, PyTorch에서 실행되며 ffmpeg(및 선택적으로 토크나이저용 Rust)가 필요합니다. 모든 코드와 모델 가중치는 MIT 라이선스입니다.

  • 프로젝트
    sandrohanea/whisper.net

    whisper.cpp를 통해 OpenAI Whisper의 .NET 바인딩을 제공하여, 광범위한 하드웨어 가속 지원을 통해 .NET 애플리케이션에서 로컬 음성-텍스트 변환 및 번역을 가능하게 합니다.