openai-whisper-api - 多功能开源语音转文字API，支持多语言和多任务

项目介绍：OpenAI Whisper API

OpenAI Whisper API 是一个开源的 AI 模型微服务，利用了 OpenAI 的 Whisper API 这一最先进的自动语音识别 (ASR) 系统。这项服务由 Node.js、Bun.sh 和 Typescript 构建，旨在通过 Docker 运行并且无需任何依赖，可为开发者在各种语音和语言相关的应用中提供强大的工具。

功能概述

Whisper API 是一个语音转换为文本的模型，它经过大量的多语言和多任务训练数据训练，包括各种音频文件和录音。这个模型可以处理语言识别、语音翻译等任务，并能够将口语转换为文字。此外，它还能识别语言序列、支持多语言语音识别，并能够在背景噪音存在的情况下工作，非常适合用于视频通话、Zoom会议、YouTube视频以及英文等非聊天应用。

开源与易用性

该 API 的设计简单并易于使用，适合各个水平的开发者使用。作为一个开源项目，它采用 MIT 许可证，这意味着你可以在自己的项目中自由使用。无论是想要转录语音消息、通过一系列系统级优化来提升系统性能，还是想探索 OpenAI Whisper API 的能力，这都是一个值得尝试的起点。

使用方法

OpenAI Whisper API 是一个使用 Node.js、Bun.sh、Typescript 构建的微服务，可以在 Docker 上运行，并且没有任何依赖。它会监听 /transcribe 路由的 MP3 文件并返回文本转录。

本地运行

首先安装 [bun.sh]，然后克隆项目目录并执行以下命令：

bun install
bun run dev

完成以上步骤后，访问 http://localhost:3000 或者指定的端口即可。

Docker 部署

你可以通过 Docker Hub 的链接找到相关信息。

Google Cloud Run 部署

克隆项目目录并运行以下命令（替换 PROJECT_ID 为你的 Google Cloud 项目 ID）：

docker build --platform linux/amd64 -t gcr.io/PROJECT_ID/whisper-docker .
docker push gcr.io/PROJECT_ID/whisper-docker

gcloud run deploy whisper-docker \
  --image gcr.io/PROJECT_ID/whisper-docker  \
  --region us-central1 \
  --allow-unauthenticated \
  --project PROJECT_ID

部署成功后，你将获得服务的 URL，可以根据使用部分的说明进行测试。

API 使用说明

你可以通过打开 /ping 端点来测试普通 HTTP 请求。连接 /transcribe，并发送带有以下内容的 POST 请求：

{
  "audio": "BASE64_ENCODED_AUDIO"
}

API 密钥

需要通过 HEADER 传递 OpenAI API 密钥：

Authorization: Bearer OPENAI_KEY

或者通过环境变量设置：

OPENAI_KEY=YOUR_KEY_HERE bun run dev

# 或者

docker run -p 3000:3000 -e OPENAI_KEY=YOUR_KEY_HERE gcr.io/magicbuddy-chat/whisper-docker

# 或在 Cloud Run 中设置环境变量

gcloud run deploy whisper-docker \
  --image gcr.io/PROJECT_ID/whisper-docker  \
  --set-env-vars OPENAI_KEY=YOUR_KEY_HERE \
  --region us-central1 \
  --allow-unauthenticated \
  --project PROJECT_ID

实例应用

我们在 [MagicBuddy，Telegram ChatGPT 机器人] 中使用了 Whisper API。你可以通过以下链接查看 [OpenAI Whisper Docker] 的在线实例：

https://magicbuddy.chat/openai-whisper

通过以上信息，你可以更好地理解并使用 OpenAI Whisper API 这个强大的工具进行语音识别和语音处理。