absadiki/pywhispercpp

Python bindings for whisper.cpp

解決的問題

為 whisper.cpp 提供簡單且符合 Python 風格的 API，讓開發者無需直接與底層 C++ 實作互動，即可將高效率的語音轉文字功能整合至 Python 應用程式中。

運作方式

本專案作為 whisper.cpp 引擎的 Python 繫結。使用者可載入模型（自動下載或本地提供），並透過 ffmpeg 將音訊檔案（如 .wav 或 .mp3）轉錄為文字段落。支援多種硬體加速後端，包括 NVIDIA CUDA、CoreML、Vulkan、OpenBLAS 與 OpenVINO。

適用對象

  • Python 開發者：希望兼具 whisper.cpp 的高效性與 Python 的易用性。
  • AI 助手建構者：使用專案內建的助理範例與語音活動偵測（VAD）開發語音啟動工具的開發者。
  • 終端使用者：希望使用簡單的 CLI 或 GUI 工具轉錄音訊檔案的人。

主要特色

  • 多後端支援：相容 CUDA、CoreML、Vulkan、OpenBLAS 與 OpenVINO，實現最佳化效能。
  • Python 風格 API：提供簡單的 Model 類別進行轉錄，支援自訂回呼函式以實作即時處理。
  • 完整的工具鏈：包含命令列介面（CLI）、基於 PyQt5 的圖形使用者介面（GUI）與語音助理範例。
  • 直接存取 C-API：進階使用者可透過 _pywhispercpp 模組存取公開的 C-API。

相關

  • 專案
    openai/whisper

    Whisper 是 OpenAI 開發的基於 Transformer 的開源語音轉文字系統，可處理多種語言的轉錄、語言識別和翻譯。它作為一個可透過 pip 安裝的套件發布，提供六種模型大小（tiny → large，以及快速的 “turbo” 版本）。透過 CLI (`whisper …`) 和簡單的 Python API (`whisper.load_model(...).transcribe(...)`)，只需少量指令即可將音訊檔案轉換為文字。該專案運行在 Python 3.8-3.11 和 PyTorch 上，並且需要 ffmpeg（可選需要 Rust 用於分詞器）。所有程式碼和模型權重均採用 MIT 授權。

  • 專案
    sandrohanea/whisper.net

    透過 whisper.cpp 提供 OpenAI Whisper 的 .NET 綁定，讓 .NET 應用程式能夠在廣泛的硬體加速支援下實現本地端語音轉文字與翻譯。

  • 專案
    Uberi/speech_recognition

    一個為語音辨識提供統一介面的 Python 函式庫，支援 OpenAI Whisper、Google Speech 和 Vosk 等多種線上與離線引擎。

  • 專案
    innovatorved/whisper.api

    一個由 whisper.cpp 提供驅動、高效能的自託管語音轉文字 API，且與 Deepgram 相容，方便進行整合。

  • 專案
    collabora/WhisperLive

    WhisperLive 是一個基於 OpenAI Whisper 模型的開源近即時語音轉錄伺服器。支援多種推論後端（faster-whisper、NVIDIA TensorRT、Intel OpenVINO、AMD ROCm），提供單字級時間戳、熱詞增強、說話人分離與可選翻譯功能，並提供簡單的命令列客戶端與 Python 流式 API。提供 GPU 與 CPU 部署的 Docker 鏡像，瀏覽器與 iOS 擴充功能可讓你直接從網頁或行動裝置轉錄音訊。