LiveWhisper

LiveWhisper 项目介绍

项目概述

LiveWhisper 是一个基于 Whisper 模型的实时转录项目，旨在实现伪实时的逐句口述识别，并在终端输出结果。该项目利用 OpenAI 的 Whisper 模型和 sounddevice 库来监听麦克风信号。音频通过麦克风捕捉到声音，当音量和频率达到一定阈值时，音频会被暂存；当检测到静音时，音频被保存为一个临时文件并发送至 Whisper 进行处理。

项目依赖

LiveWhisper 需要以下依赖：

• Whisper
• numpy
• scipy
• sounddevice

此外，LiveWhisper 可以在某种程度上作为 SpeechRecognition 的替代方案，尽管 SpeechRecognition 已添加了对 Whisper 的支持，用户可以自行决定选择哪个工具。

Whisper 助手

在 LiveWhisper 的基础上，还提供了一个名为 assistant.py 的简单语音命令助手。这一助手尝试模仿 Siri、Alexa 或 Jarvis 等语音助手的基本功能。

额外依赖

除了与 LiveWhisper 相同的依赖外，Whisper 助手还需要以下库：

• requests
• pyttsx3
• wikipedia
• bs4
• espeak
• python3-espeak

功能特性

助手的激活通过语音识别，例如说出默认的唤醒词 "computer"，"hey computer" 或 "okay computer" 等，可以通过等待助手的回应或直接发出请求来操作。主要功能包括：

• 查询天气
• 获取日期和时间
• 讲笑话
• 进行 Wikipedia 搜索
• 处理基本的数学计算和简单的常识问答，虽然这些依赖 Google's 即时答案，有时可能不起作用

此外，它还支持媒体播放器的控制指令，如播放、暂停、下一首、上一首、停止和查询当前播放内容。需要注意的是，要实现良好的媒体控制功能，需开启某种形式的噪音/回声消除，具体方法可参考这里。

关闭助手

可以通过按下 ctrl+c 终止助手，或通过语音说出助手的名字并加上"terminate"来关闭它。

支持与捐助

如果您喜欢 LiveWhisper 项目并希望支持开发者继续进行更多的项目，您可以考虑通过我的 Ko-fi 页面进行捐助。感谢您的支持！