schibsted/WAAS

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

解決的問題

WAAS 提供了一種使用者友善的方式來部署並使用 OpenAI Whisper 進行音訊與視訊轉錄。它將原始的 Whisper 模型轉化為完整的服務，增加了圖形使用者介面 (GUI)、REST API 以及非同步工作佇列，讓使用者無需透過命令列或複雜的腳本來操作模型。

運作方式

該系統由三個主要元件組成：處理請求的 Flask API、管理轉錄任務的 Redis 工作佇列 (使用 RQ)，以及使用 Whisper 處理音訊檔案的 worker。使用者可以透過 GUI (稱為 Jojo) 或 API 提交檔案，並指定語言與模型大小等參數。處理完成後，系統會透過電子郵件或 webhook 通知使用者，並提供各種格式 (SRT、VTT、JSON 或純文字) 的結果下載連結。

適用對象

專為需要大規模轉錄音訊或視訊檔案，或希望將轉錄功能整合至其他應用程式，且不想手動管理底層機器學習基礎設施的使用者所設計。

特色亮點

  • 整合式編輯器：包含一個基於瀏覽器的編輯器 (Jojo)，用於聆聽音訊片段並在本地修正轉錄錯誤。
  • 非同步處理：使用佇列系統處理多個轉錄任務，而不會阻塞 API。
  • 多種輸出格式：支援將轉錄結果匯出為 SRT、VTT、JSON 與純文字。
  • 靈活的通知機制：透過電子郵件回調或安全 webhook 通知使用者任務完成。
  • GPU 加速：透過 Docker 支援 NVIDIA CUDA 以實現更快速的轉錄。

相關

  • 專案
    ricky0123/vad

    一個 JavaScript 套件，用於語音活動偵測，讓開發者能在包含使用者語音的音訊片段上執行回呼函數。

  • 專案
    OpenMOSS/MOSS-Transcribe-Diarize

    一個端對端音訊理解模型，可在單次處理中聯合完成長時多說話人音訊的語音轉錄與說話人分離。

  • 專案
    zhimaAi/chatwiki

    ChatWiki 是一個基於 Docker 的開源平台，可將微信官方帳號轉換為 AI 助手。提供視覺化工作流建構、自動回覆（文字、語音、圖片、小程序卡片）、從抓取文章或上傳文件建立知識庫、混合向量-圖譜搜尋以及人工交接功能。後端使用 Go 和 Python，前端使用 Vue.js，資料庫為 PostgreSQL 16 與 pgvector 實作嵌入。支援超過 20 個 LLM 提供商（如 OpenAI、Claude、DeepSeek），可部署為 Web 應用、桌面客戶端或嵌入其他服務。個人使用者可免費使用；商業使用者需購買付費授權。

  • 專案
    neuron-core/neuron-ai

    Neuron AI 是一個可透過 Composer 安裝的 PHP 框架，用於構建功能齊全的代理應用程式。它提供了一個 Agent 基類（具備記憶、工具包和多供應商 LLM 支援）、用於檢索增強生成的 RAG 類別、用於自定義管道的低階 Workflow 引擎、結構化輸出類型、用於遠端工具的 MCP 連接器，以及透過 Inspector 進行的可選可觀測性。該函式庫針對 PHP 8.1+，支援 20 多個 LLM 後端，並包含 CLI 生成器、文件和基於 Docker 的測試設置。