schibsted/WAAS

Whisper as a Service (GUI and API with queuing for OpenAI Whisper)

解决的问题

WAAS 提供了一种用户友好的方式来部署并使用 OpenAI Whisper 进行音频与视频转录。它将原始的 Whisper 模型转化为完整的服务，增加了图形用户界面 (GUI)、REST API 以及异步工作队列，让用户无需通过命令行或复杂的脚本来操作模型。

运作方式

该系统由三个主要组件组成：处理请求的 Flask API、管理转录任务的 Redis 工作队列 (使用 RQ)，以及使用 Whisper 处理音频文件的 worker。用户可以通过 GUI (称为 Jojo) 或 API 提交文件，并指定语言与模型大小等参数。处理完成后，系统会通过电子邮件或 webhook 通知用户，并提供各种格式 (SRT、VTT、JSON 或纯文本) 的结果下载链接。

适用对象

专为需要大规模转录音频或视频文件，或希望将转录功能整合至其他应用程序，且不想手动管理底层机器学习基础设施的用户所设计。

特色亮点

  • 集成式编辑器：包含一个基于浏览器的编辑器 (Jojo)，用于聆听音频片段并在本地修正转录错误。
  • 异步处理：使用队列系统处理多个转录任务，而不会阻塞 API。
  • 多种输出格式：支持将转录结果导出为 SRT、VTT、JSON 与纯文本。
  • 灵活的通知机制：通过电子邮件回调或安全 webhook 通知用户任务完成。
  • GPU 加速：通过 Docker 支持 NVIDIA CUDA 以实现更快速的转录。

相关

  • 项目
    ricky0123/vad

    一个 JavaScript 库，用于语音活动检测，允许开发者在包含用户语音的音频片段上运行回调。

  • 项目
    OpenMOSS/MOSS-Transcribe-Diarize

    一个端到端音频理解模型，可在单次处理中联合完成长时多说话人音频的语音转录与说话人分离。

  • 项目
    zhimaAi/chatwiki

    ChatWiki 是一个基于 Docker 的开源平台，可将微信公众号转变为 AI 助手。它提供可视化工作流构建、自动回复（文本、语音、图片、小程序卡片）、从抓取文章或上传文档创建知识库、混合向量-图谱搜索以及人工交接功能。后端使用 Go 和 Python，前端使用 Vue.js，数据库为 PostgreSQL 16 与 pgvector 实现嵌入。支持超过 20 个 LLM 提供商（如 OpenAI、Claude、DeepSeek），可部署为 Web 应用、桌面客户端或嵌入其他服务。个人用户可免费使用；商业用户需购买付费许可证。

  • 项目
    neuron-core/neuron-ai

    Neuron AI 是一个可通过 Composer 安装的 PHP 框架，用于构建功能齐全的代理应用程序。它提供了一个 Agent 基类（具备记忆、工具包和多供应商 LLM 支持）、用于检索增强生成的 RAG 类、用于自定义管道的低级 Workflow 引擎、结构化输出类型、用于远程工具的 MCP 连接器，以及通过 Inspector 进行的可选可观测性。该库针对 PHP 8.1+，支持 20 多个 LLM 后端，并包含 CLI 生成器、文档和基于 Docker 的测试设置。