WhisperLiveKit

收录理由

批式转写往往要等录音全部结束才能出文本，可很多场景等不了——会议发言、直播字幕、现场访谈，都要求文字跟着话音实时冒出来。WhisperLiveKit 就是把这条流式路线打通了：它基于同步语音识别的研究成果，对输入音频做缓冲处理，一边收声一边吐字幕，不必像标准 Whisper 那样非得拿到完整句子才开工。除了实时转写，它还内置了说话人分离和约两百种语言的同传翻译，并且对外提供与 OpenAI、Deepgram 兼容的接口，老客户端改一下服务器地址就能用，不需要重写代码。整套流水线跑在自己机器上，音频不离开本地，也省去按分钟计费的云端 API 开销。