!Release !Docker Pulls !Build !Licence

Whisper ASR Box

Whisper ASR Box 是一款通用语音识别工具包。其模型基于大规模多样化音频数据集训练，支持多语言语音识别、语音翻译及语言识别等多任务处理。

支持模型

当前 v1.8.2 版本支持以下语音识别模型：

• openai/whisper（版本 v20240930）
• SYSTRAN/faster-whisper（版本 v1.1.0）
• whisperX（版本 v3.1.1）

快速使用

CPU 版本

通过 Docker 启动 CPU 服务：

shell
docker run -d -p 9000:9000 \
  -e ASR_MODEL=base \
  -e ASR_ENGINE=openai_whisper \
  onerahmet/openai-whisper-asr-webservice:latest

GPU 版本

需确保已安装 NVIDIA Docker 支持，启动命令：

shell
docker run -d --gpus all -p 9000:9000 \
  -e ASR_MODEL=base \
  -e ASR_ENGINE=openai_whisper \
  onerahmet/openai-whisper-asr-webservice:latest-gpu

缓存设置

为避免重复下载模型、缩短启动时间，可持久化缓存目录：

shell
docker run -d -p 9000:9000 \
  -v $PWD/cache:/root/.cache/ \
  onerahmet/openai-whisper-asr-webservice:latest

核心功能

• 多引擎支持：OpenAI Whisper、Faster Whisper、WhisperX
• 多输出格式：文本（text）、JSON、VTT、SRT、TSV
• 词级时间戳标注
• 语音活动检测（VAD）过滤
• 说话人分离（WhisperX 支持）
• FFmpeg 集成：支持多种音视频格式
• GPU 加速
• 模型加载/卸载可配置
• REST API 带 Swagger 文档

环境变量配置

关键参数说明：

• ASR_ENGINE：引擎选择（openai_whisper / faster_whisper / whisperx）
• ASR_MODEL：模型规格（tiny / base / small / medium / large-v3 等）
• ASR_MODEL_PATH：自定义模型存储/加载路径
• ASR_DEVICE：运行设备（cuda / cpu）
• MODEL_IDLE_TIMEOUT：模型闲置卸载超时时间

完整文档

详细使用说明及配置项参见：
[***]

开发指南

本地部署步骤

1. 安装 poetry：

shell
pip3 install poetry

2. 安装依赖：

shell
poetry install

3. 启动服务：

shell
poetry run whisper-asr-webservice --host 0.0.0.0 --port 9000

服务启动后，访问 [***] 或 [***] 可打开 Swagger UI，测试 API 接口。

第三方依赖声明

本软件使用 FFmpeg 项目的库，遵循 LGPLv2.1 许可证。