backmeupplz/voicy

解決的問題

Voicy 是一個 Telegram 機器人，可自動將語音訊息轉換為文字，讓使用者能在群組聊天中閱讀而非聆聽語音備忘錄。

運作方式

該系統使用一個後端，將傳入的音訊檔案排隊存入 MongoDB 資料庫。隨後，一個或多個經過認證的工作者客戶端會輪詢該後端。這些工作者下載音訊，使用轉錄引擎（例如在 Windows GPU 工作者上運行的 faster-whisper）進行處理，然後將最終的轉錄文字上傳回機器人，以便傳送至 Telegram 聊天中。

適用對象

偏好以文字而非音訊訊息形式使用 Telegram 的使用者，以及希望為訊息平台實作自動化轉錄服務的開發者。

主要亮點

• GPU 加速：支援使用 CUDA 的本地 Windows GPU 工作者，實現更快的轉錄速度。
• 可擴展架構：採用工作者-佇列模型，可在多個客戶端之間處理轉錄任務。
• 可擴展轉錄：支援多種引擎，包括 faster-whisper 及其 large-v3 等模型。
• Telegram 結合：支援 Telegram 旅客模式，並透過 Stripe 提供內建捐贈系統，用於付費聊天存取。