VoiceStreamAI

收录理由

VoiceStreamAI 是一套可自行部署的流式语音转写方案，核心思路是让音频通过 WebSocket 持续流入 Python 服务端，经过语音活动检测与基于 Whisper 的识别模块后，近乎实时地回传文本，不必等整段录音播完。它的检测与识别组件采用工厂和策略模式组织，想换用不同的 VAD 模型或转写引擎（默认用 Pyannote 做检测、faster-whisper 做识别），或者调整音频分块缓冲的方式，都不用改动服务主体。附带 JavaScript 客户端负责浏览器端交互，Docker 镜像也让 GPU 环境搭建省了不少事。如果你希望在自己的硬件上做实时字幕、会议纪要或语音控制，又不想依赖商业 API，这套代码值得作为起点参考。