backmeupplz/voicy

解决的问题

Voicy 是一个 Telegram 机器人，可自动将语音消息转换为文本，使用户能够在群组聊天中阅读而非收听语音备忘录。

工作原理

该系统使用一个后端，将传入的音频文件排队存入 MongoDB 数据库。随后，一个或多个经过认证的工作者客户端会轮询该后端。这些工作者下载音频，使用转录引擎（例如在 Windows GPU 工作者上运行的 faster-whisper）进行处理，然后将最终的转录文本上传回机器人，以便发送到 Telegram 聊天中。

适用人群

偏好以文本而非音频消息形式使用 Telegram 的用户，以及希望为消息平台实现自动化转录服务的开发者。

主要亮点

• GPU 加速：支持使用 CUDA 的本地 Windows GPU 工作者，实现更快的转录速度。
• 可扩展架构：采用工作者-队列模型，可在多个客户端之间处理转录任务。
• 可扩展转录：支持多种引擎，包括 faster-whisper 及其 large-v3 等模型。
• Telegram 集成：支持 Telegram 游客模式，并通过 Stripe 提供内置捐赠系统，用于付费聊天访问。