Skip to content

Latest commit

 

History

History
221 lines (164 loc) · 10.4 KB

README_pt-BR.md

File metadata and controls

221 lines (164 loc) · 10.4 KB
Raw

中文简体 | English | Português (Brasil)

Ferramenta de Transcrição de Fala para Texto (stt)

Transcreva localmente seus áudios e vídeos com esta ferramenta offline. Baseada no modelo open source fast-whisper, ela converte a fala humana em texto, exportando em formatos json, srt com timestamps e texto puro. Após implantada, substitui com precisão similar serviços de reconhecimento de fala online como OpenAI ou Baidu.

Recursos:

  • Totalmente offline: Implante em redes internas.
  • Modelos flexíveis: O fast-whisper oferece versões base/small/medium/large-v3. A qualidade aumenta do base para large-v3, mas exige mais recursos. Baixe e descompacte outros modelos na pasta models.
  • Aceleração CUDA: Se tiver uma GPU Nvidia e o ambiente CUDA configurado, use a aceleração CUDA automaticamente.

📢 Patrocinador

302.AI: A Plataforma de IA Sob Demanda

A 302.AI é a plataforma que reúne as melhores IAs do mundo em um só lugar, com pagamento sob demanda e sem mensalidades. Experimente diversas ferramentas de IA sem barreiras de entrada!

Benefícios:

  • Funcionalidades completas: Chat de IA, geração de imagens e vídeos, processamento de imagens e muito mais.
  • Fácil de usar: Robôs, ferramentas e APIs para atender a todos os níveis de usuário.
  • Pagamento sob demanda: Sem planos mensais, sem barreiras para produtos, pague apenas pelo que usar. Seu saldo nunca expira!
  • Separação de administradores e usuários: Especialistas em IA configuram tudo para você, simplificando o uso.

🎁 Bônus Exclusivo:

Clique para se registrar e ganhe 1 PTC (1 PTC = 1 dólar americano, cerca de 7 yuans) imediatamente. Além disso, ganhe 5 PTC por dia experimentando a plataforma através do link.

Junte-se à 302.AI e explore o mundo da inteligência artificial sem limites!

Demonstração

cn-stt.mp4

Imagem de demonstração

Como Usar a Versão Pré-compilada (Windows) e Implantar o Código Fonte (Linux, Mac e Windows)

Versão Pré-compilada (Windows)

  1. Baixe os arquivos: Acesse a página de lançamentos e baixe os arquivos pré-compilados.
  2. Descompacte: Extraia os arquivos em um local de sua preferência (ex: E:/stt).
  3. Execute: Dê um duplo clique em start.exe e aguarde a abertura automática da janela do navegador.
  4. Utilize a interface:
    • Clique na área de upload da página.
    • Selecione o arquivo de áudio ou vídeo desejado (ou arraste-o para a área).
    • Escolha o idioma da fala, o formato de saída do texto e o modelo.
    • Clique em "Iniciar Reconhecimento".
    • O resultado será exibido na caixa de texto inferior no formato escolhido.
  5. Aceleração CUDA (opcional): Se o seu computador possui uma GPU Nvidia e o ambiente CUDA está configurado corretamente, a aceleração CUDA será utilizada automaticamente.

Implantação do Código Fonte (Linux, Mac e Windows)

Requisitos:

  • Python 3.9, 3.10 ou 3.11

Passos:

  1. Crie um diretório: Crie um diretório vazio (ex: E:/stt).
  2. Clone o repositório: Abra o terminal (ou prompt de comando) neste diretório e execute: 
    git clone https://github.com/jianchang512/stt.git
  3. Crie um ambiente virtual: 
    python -m venv venv
  4. Ative o ambiente virtual:
    • Windows: %cd%/venv/scripts/activate
    • Linux/Mac: source ./venv/bin/activate
  5. Instale as dependências: 
    pip install -r requirements.txt
    • Em caso de erro de conflito de versão, execute: 
      pip install -r requirements.txt --no-deps
    • Para suporte à aceleração CUDA: 
      pip uninstall -y torch
pip install torch --index-url [https://download.pytorch.org/whl/cu121](https://download.pytorch.org/whl/cu121)
  6. Instale o FFmpeg:
    • Windows: Descompacte ffmpeg.7z e coloque ffmpeg.exe e ffprobe.exe no diretório do projeto.
    • Linux/Mac: Consulte as instruções de instalação do FFmpeg para sua distribuição.
  7. Baixe os modelos:
  8. Execute:
python start.py

Aguarde a abertura automática da janela do navegador.

Interface da API

  • Endereço: http://127.0.0.1:9977/api
  • Método: POST
  • Parâmetros:
    • language (código do idioma):
      • Chinês: zh
      • Inglês: en
      • Francês: fr
      • Alemão: de
      • Japonês: ja
      • Coreano: ko
      • Russo: ru
      • Espanhol: es
      • Tailandês: th
      • Italiano: it
      • Português: pt
      • Vietnamita: vi
      • Árabe: ar
      • Turco: tr
    • model (nome do modelo):
      • base: corresponde a models/models--Systran--faster-whisper-base
      • small: corresponde a models/models--Systran--faster-whisper-small
      • medium: corresponde a models/models--Systran--faster-whisper-medium
      • large-v3: corresponde a models/models--Systran--faster-whisper-large-v3
    • response_format (formato de legenda): text, json ou srt
    • file (arquivo de áudio ou vídeo)

Exemplo de Requisição (Python):

import requests

# Endereço da API
url = "http://127.0.0.1:9977/api"

# Parâmetros da requisição
files = {"file": open("C:/Users/c1/Videos/2.wav", "rb")}
data = {"language": "zh", "model": "base", "response_format": "json"}

# Faz a requisição POST
response = requests.post(url, timeout=600, data=data, files=files)

# Imprime a resposta em formato JSON
print(response.json())

# Interpretação da resposta:
# - code == 0: sucesso
# - code != 0: falha
# - msg == "sucesso": reconhecimento bem-sucedido
# - msg != "sucesso": motivo da falha
# - data: texto retornado após o reconhecimento (se houver)

Suporte à Aceleração CUDA

Instalação de Ferramentas CUDA: Para detalhes sobre o processo de instalação, consulte este guia detalhado.

Se o seu computador possui uma placa gráfica Nvidia, siga estes passos:

  1. Atualize o driver da placa gráfica para a versão mais recente.
  2. Instale o CUDA Toolkit e o cudnn for CUDA11.x correspondentes:
  3. Verifique a instalação:
    • Pressione Win + R, digite cmd e pressione Enter.
    • Na janela de comando, digite nvcc --version e confirme se as informações da versão são exibidas (similar à imagem abaixo). image
    • Digite nvidia-smi e verifique se as informações de saída incluem o número da versão CUDA (similar à imagem abaixo).
    • Execute python testcuda.py. Se exibir uma mensagem de sucesso, a instalação está correta. Caso contrário, revise e reinstale cuidadosamente. image

Habilitando a Aceleração CUDA:

Por padrão, a CPU é usada para cálculos. Se você confirmou que está usando uma placa gráfica Nvidia e o ambiente CUDA está configurado corretamente, altere devtype=cpu para devtype=cuda no arquivo set.ini e reinicie o programa para utilizar a aceleração CUDA.

Observações Importantes

  1. Modelos e Requisitos: Se você não possui uma placa gráfica Nvidia ou o ambiente CUDA não está configurado corretamente, evite usar os modelos large/large-v3, pois eles podem consumir muita memória e travar o sistema.
  2. Exibição de Caracteres: Em alguns casos, o texto em chinês pode ser exibido em caracteres tradicionais.
  3. Erro "cublasxx.dll não existe": Baixe o cuBLAS neste link: cuBLAS Download. Descompacte o arquivo e copie os arquivos DLL para C:/Windows/System32.
  4. Mensagem de Aviso no Console: Se o console exibir a mensagem "[W:onnxruntime:Default, onnxruntime_pybind_state.cc:1983 onnxruntime::python::CreateInferencePybindStateModule] Init provider bridge failed.", ignore-a, pois não afeta o uso do programa.
  5. Falha na Execução com CUDA Habilitado:
    • Possível Causa: Se o CUDA estiver habilitado, mas o cudnn não foi instalado e configurado manualmente, pode ocorrer falha na execução.
    • Solução: Instale a versão do cudnn que corresponde à sua versão do CUDA. Consulte o guia detalhado para instruções: Guia de Instalação.
    • Memória de Vídeo Insuficiente: Se o problema persistir após a instalação do cudnn, a memória de vídeo da GPU pode ser insuficiente. Nesse caso, tente usar o modelo medium e evite o modelo large-v3, especialmente se a memória de vídeo for inferior a 8GB e o vídeo tiver mais de 20MB.

Lembre-se de que este guia fornece informações básicas e você pode precisar consultar recursos adicionais para solucionar problemas específicos.

Projetos Relacionados

Agradecimentos

Este projeto utiliza:

  1. https://github.com/SYSTRAN/faster-whisper
  2. https://github.com/pallets/flask
  3. https://ffmpeg.org/
  4. https://layui.dev