懂AI
LiveWhisper

LiveWhisper

基于Whisper模型的实时语音转录和语音助手

LiveWhisper项目利用OpenAI的Whisper模型，通过sounddevice库采集声音，实现句子到句子的实时语音转录。该项目可以在一定条件下替代SpeechRecognition工具。它还包括一个语音命令助手，类似于Siri和Alexa，能够执行多种语音命令，如查询天气、时间、讲笑话及执行Wikipedia搜索等。适用于技术爱好者和开发人员，帮助实现高效的语音交互系统。

LiveWhisperWhisper语音命令助手录音转录语音激活Github开源项目
GitHub

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！

编辑推荐精选

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
问小白

问小白

全能AI智能助手，随时解答生活与工作的多样问题

问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级，全面对标OpenAI o1

科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。

咔片PPT

咔片PPT

AI助力，做PPT更简单！

咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台，公文写作神器

AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

下拉加载更多