描述
ScribeCrate Live 是一个强大的开源解决方案，旨在进行私密的实时语音转文本转录和语音到英语翻译。它允许用户在自己的硬件上部署和操作转录服务器，确保数据隐私和控制。该系统由 WhisperLive 和 faster-whisper 提供支持，利用先进的 Whisper 模型实现高准确性和效率。
阅读更多
核心功能围绕处理实时麦克风音频和各种音频流展开，将其转换为随着单词发声而生成的渐进文本段。这种实时能力通过 WebSocket 提供，使其适合需要即时文本输出的应用程序，如实时字幕或交互式语音接口。对于语音到英语翻译，用户可以选择合适的多语言 Whisper 模型并相应配置任务。
除了实时流媒体，ScribeCrate Live 还提供与 OpenAI 兼容的 REST API，用于转录上传的音频文件。这种双重方法满足不同的输入流，为开发人员将转录服务集成到其应用程序中提供灵活性。服务器在本地运行，新的持久安装生成并存储 API 密钥以确保安全认证，确保转录过程保持私密并在用户控制之下。
通过 Docker 简化部署，支持 CPU（amd64 和 arm64 架构）和 NVIDIA GPU（CUDA）加速，用户可以选择各种 Whisper 模型，较大的模型提供更高的准确性，但需要更多的内存和处理能力。包含语音活动检测（VAD），智能跳过静音期，优化资源使用。对于离线操作，可以预缓存模型，并可以配置系统在没有互联网访问的情况下运行以下载模型。
ScribeCrate Live 是一个更大生态系统的一部分，包括自托管 AI 堆栈，允许用户将其与其他本地 AI 工具集成，用于聊天、文档处理等。该项目在 MIT 许可证下开源，意味着用户需自行承担硬件或云托管费用。它强调用户对数据和处理的控制，使其成为注重隐私的开发人员和组织的强大选择。
- 类别AI 转录工具
- 定价模式开源
- 部署自托管
- 平台Docker (CPU, NVIDIA GPU)
ScribeCrate Live的核心功能
实时语音转文本转录
语音到英语翻译
用于实时音频的 WebSocket 流媒体
与 OpenAI 兼容的 REST API 用于文件转录
自托管部署以确保隐私和控制
支持各种 Whisper 模型
语音活动检测（VAD）以跳过静音
支持 CPU（amd64、arm64）和 NVIDIA GPU（CUDA）
Docker 部署以简化设置
持久模型缓存以支持离线操作
API 密钥认证以确保安全访问
在 MIT 许可证下开源
与自托管 AI 堆栈集成
随着单词到达的渐进文本输出
GitHub 上提供客户端设置文档
如何使用 ScribeCrate Live？
准备主机：确保支持的 Linux 主机，安装 Docker 并为所选 Whisper 模型提供足够的内存。
启动服务器：使用 Docker 部署 ScribeCrate Live，连接实时音频或使用录音进行测试。
获取 API 密钥：对于持久安装，获取生成的 API 密钥以进行认证访问。
连接客户端：使用兼容的 WebSocket 客户端进行实时麦克风输入或使用 REST API 进行文件转录。
配置任务：在 Python 客户端中设置 `translate=True` 或在 WebSocket 握手中设置 `"task": "translate"` 以进行语音到英语翻译。
选择模型：选择合适的多语言 Whisper 模型（例如，base、small、medium、large-v3）用于翻译任务。
测试转录：将 `audio.mp3` 替换为您的文件，并运行提供的 REST 请求进行认证测试。
ScribeCrate Live的使用案例
- 实时字幕
- 麦克风转录
- 语音到英语翻译
- 音频文件转录
- 构建语音应用程序
- 私密转录服务
- 自托管 AI 堆栈集成
