pengzhendong/streaming-sensevoice

Pseudo Streaming SenseVoice with Hotwords

解决的问题

它通过使用 SenseVoice 模型分块处理推理，实现了实时的流式语音转文字。这消除了在接收文本输出前必须等待整个音频文件处理完毕的需求。

运作原理

此项目围绕 SenseVoice 模型实现了一个流式封装器。它提供了三种处理音频的方式：处理预先录制的 wav 文件、直接从麦克风捕获音频，以及利用 WebSocket 服务（使用 FastAPI 构建）将 MP3 格式的音频分块从浏览器传输到服务器，以实现低延迟的转录。

目标对象

希望使用 SenseVoice 模型将实时语音转文字功能集成到应用程序中的开发者。

特色亮点

  • 来自麦克风输入的实时转录。
  • 用于浏览器音频流的基于 WebSocket 的服务器。
  • 支持 wav 文件转录。
  • 与 Recorder 库集成以实现高效的音频传输。

相关

  • 项目
    xpzouying/x-mcp

    X‑MCP 是一个 Chrome 扩展，允许 AI 代理（Claude、Codex 等）通过 Model Context Protocol（MCP）控制浏览器，创建并发布小红书帖子。无需 Python/Docker 后端，仅需从 aredink.com 获取令牌，即可让非技术创作者轻松实现 AI 驱动的自动化。

  • 项目
    Wing900/ManimCat

    ManimCat 是一个 AI 辅助的网页工作区，可将自然语言数学提示转换为动画（Manim）或静态（matplotlib）视觉内容。它提供快速生成的“工作流”模式，以及用于迭代创建的长期“代理/工作室”模式，使用 React、Express、Redis 和可选的 Supabase 存储构建，可本地运行或通过 Docker/Hugging Face Spaces 运行。

  • 项目
    WecomTeam/wecom-openclaw-plugin

    WeCom 渠道插件，适用于 OpenClaw AI 代理平台。支持 Bot（WebSocket 或 JSON Webhook）和 Agent（加密 XML Webhook）连接方式，支持富媒体、主动消息和流式回复，具备细粒度访问控制、多账户配置，并通过内置的 `wecom-cli` 工具暴露数十个 WeCom 业务 API（消息、邮件、文档、电子表格、日历、会议、文件存储、联系人等）。

  • 项目
    ttlequals0/MinusPod

    MinusPod 是一个自托管 Docker 服务，用于转录播客、使用 LLM 识别广告片段、剪除广告，并提供无广告的 feed。它支持本地 Whisper 转录、多种 LLM 提供商、从用户修正中学习模式，以及用于审查的网页界面。