pyVideoTrans

Appearance

FireRedASR 是小红书开源的一个高度精确的中文语音转文字项目,在多个对比维度上都优于 whisper/funasr等。

为此创建了一个带有 webui界面，并兼容 OpenAI SDK格式的封装，方便使用。

开源地址: https://github.com/jianchang512/fireredasr-ui

WebUI 界面 ​

启动后默认地址: http://127.0.0.1:5078

ui0.png

源码安装 Linux/MacOS ​

确保已安装 python3.10 、ffmpeg

进入某个目录下，打开终端

  1. 拉取源码，执行命令 git clone https://github.com/jianchang512/fireredasr-ui.git
  2. 进入源码目录 cd FireRedASR
  3. 创建虚拟环境：python3 -m venv venv
  4. 激活该环境：. venv/bin/activate
  5. 安装依赖:pip3 install -r requirements.txt
  6. 点击从 huggingface 下载模型，将页面中的几个文件下载后放入 /pretrained_models/FireRedASR-AED-L文件夹内

Windows预打包版 ​

win10/11 提供了预打包版。点击下载 解压后双击 启动.bat 即可

API 地址: ​

默认地址: http://127.0.0.1:5078/v1

OpenAI SDK中使用

from openai import OpenAI
client = OpenAI(api_key='123456',
    base_url='http://127.0.0.1:5078/v1')

audio_file = open("5.wav", "rb")
transcript = client.audio.transcriptions.create(
  model="whisper-1",
  file=audio_file,
  response_format="json",
  timeout=86400
)

print(transcript.text)

在 pyVideoTrans 中使用 ​

如下图在 OpenAI语音识别及兼容API中填写，然后在语音识别渠道中选择OpenAI语音识别

ui.png

Acknowledgements ​