Project Icon

use-whisper

适用于OpenAI Whisper API的React Hook,支持语音录制和静音消除

useWhisper 是一个为 OpenAI Whisper API 提供的 React Hook,具备语音录制、实时转录和静音消除功能。正在开发的 React Native 版本将使移动应用开发更便捷。用户可以通过 npm 或 yarn 安装,并通过丰富的配置和回调函数实现自定义转录。主要依赖项包括 recordrtc、lamejs、ffmpeg、hark 和 axios,是开发者进行语音处理和转录的理想工具。

项目介绍:use-whisper

use-whisper 是一个为 OpenAI Whisper API 专门设计的 React Hook,它内置了语音录音功能、实时转录和静音删除功能,提升了语音处理的便捷性和智能化。

项目特色

  • 语音录音与转录:use-whisper 能够录制用户的语音,并利用 OpenAI Whisper API 将语音内容快速转录为文本。

  • 实时转录:项目支持实时转录功能,让用户在语音输入的同时查看转录结果。

  • 静音删除:通过静音删除功能,系统在发送至 OpenAI API 之前删除录音中的静音部分,从而节省了处理成本。

安装步骤

您可以通过以下任意方式来安装 use-whisper:

npm i @chengsokdara/use-whisper

yarn add @chengsokdara/use-whisper

使用方法

以下是一个简单的使用示例:

import { useWhisper } from '@chengsokdara/use-whisper'

const App = () => {
  const {
    recording,
    speaking,
    transcribing,
    transcript,
    pauseRecording,
    startRecording,
    stopRecording,
  } = useWhisper({
    apiKey: process.env.OPENAI_API_TOKEN, // 用户的 OpenAI API 密钥
  })

  return (
    <div>
      <p>录音状态: {recording}</p>
      <p>讲话状态: {speaking}</p>
      <p>转录状态: {transcribing}</p>
      <p>转录文本: {transcript.text}</p>
      <button onClick={() => startRecording()}>开始</button>
      <button onClick={() => pauseRecording()}>暂停</button>
      <button onClick={() => stopRecording()}>停止</button>
    </div>
  )
}

自定义服务器

为了保证 OpenAI API 密钥的安全性,您可以通过自定义服务器来处理录音数据:

import { useWhisper } from '@chengsokdara/use-whisper'

const App = () => {
  const onTranscribe = (blob) => {
    // 该回调函数允许自定义服务器处理转录
    // 并返回结果给 useWhisper
  }

  const { transcript } = useWhisper({
    onTranscribe,
  })

  return (
    <div>
      <p>{transcript.text}</p>
    </div>
  )
}

主要功能演示

  • 实时流媒体转录:可以根据设置的时间片段实时转录音频。

  • 自动删除静音:利用 ffmpeg 来删除录音中的静音部分,以节省处理成本。

  • 组件挂载时自动开始录音:实现组件挂载时立即开始录音。

  • 持续录音直到用户停止说话:在用户持续讲话时保持录音,自动在设定时间后停止。

  • 自定义 Whisper API 配置:设置自动转录时能够自定义 Whisper API 的配置,如语言、响应格式、温度等。

依赖

use-whisper 依赖以下包来实现其功能:

  • @chengsokdara/react-hooks-async:用于异步 React Hooks
  • recordrtc:跨浏览器音频录音工具
  • lamejs:将 wav 转码为 mp3
  • @ffmpeg/ffmpeg:用于静音删除
  • hark:用于检测语音
  • axios:用于替代 fetch 与 Whisper 端点进行通信

这些依赖会根据需要进行动态加载,优化了资源使用。

未来发展

  • 正在开发对 react-native 的支持,计划以 use-whisper/native 项目形式发布。

use-whisper 项目为开发者在 React 应用中提供强大的语音处理能力,降低了处理语音输入和转录的复杂度与成本。对于需要语音识别功能的应用来说,无论是网页端还是移动端,这都是一个理想的选择。

项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号