适用于OpenAI Whisper API的React Hook,支持语音录制和静音消除
useWhisper 是一个为 OpenAI Whisper API 提供的 React Hook,具备语音录制、实时转录和静音消除功能。正在开发的 React Native 版本将使移动应用开发更便捷。用户可以通过 npm 或 yarn 安装,并通过丰富的配置和回调函数实现自定义转录。主要依赖项包括 recordrtc、lamejs、ffmpeg、hark 和 axios,是开发者进行语音处理和转录的理想工具。
use-whisper 是一个为 OpenAI Whisper API 专门设计的 React Hook,它内置了语音录音功能、实时转录和静音删除功能,提升了语音处理的便捷性和智能化。
语音录音与转录:use-whisper 能够录制用户的语音,并利用 OpenAI Whisper API 将语音内容快速转录为文本。
实时转录:项目支持实时转录功能,让用户在语音输入的同时查看转录结果。
静音删除:通过静音删除功能,系统在发送至 OpenAI API 之前删除录音中的静音部分,从而节省了处理成本。
您可以通过以下任意方式来安装 use-whisper:
npm i @chengsokdara/use-whisper
或
yarn add @chengsokdara/use-whisper
以下是一个简单的使用示例:
import { useWhisper } from '@chengsokdara/use-whisper' const App = () => { const { recording, speaking, transcribing, transcript, pauseRecording, startRecording, stopRecording, } = useWhisper({ apiKey: process.env.OPENAI_API_TOKEN, // 用户的 OpenAI API 密钥 }) return ( <div> <p>录音状态: {recording}</p> <p>讲话状态: {speaking}</p> <p>转录状态: {transcribing}</p> <p>转录文本: {transcript.text}</p> <button onClick={() => startRecording()}>开始</button> <button onClick={() => pauseRecording()}>暂停</button> <button onClick={() => stopRecording()}>停止</button> </div> ) }
为了保证 OpenAI API 密钥的安全性,您可以通过自定义服务器来处理录音数据:
import { useWhisper } from '@chengsokdara/use-whisper' const App = () => { const onTranscribe = (blob) => { // 该回调函数允许自定义服务器处理转录 // 并返回结果给 useWhisper } const { transcript } = useWhisper({ onTranscribe, }) return ( <div> <p>{transcript.text}</p> </div> ) }
实时流媒体转录:可以根据设置的时间片段实时转录音频。
自动删除静音:利用 ffmpeg 来删除录音中的静音部分,以节省处理成本。
组件挂载时自动开始录音:实现组件挂载时立即开始录音。
持续录音直到用户停止说话:在用户持续讲话时保持录音,自动在设定时间后停止。
自定义 Whisper API 配置:设置自动转录时能够自定义 Whisper API 的配置,如语言、响应格式、温度等。
use-whisper 依赖以下包来实现其功能:
这些依赖会根据需要进行动 态加载,优化了资源使用。
use-whisper 项目为开发者在 React 应用中提供强大的语音处理能力,降低了处理语音输入和转录的复杂度与成本。对于需要语音识别功能的应用来说,无论是网页端还是移动端,这都是一个理想的选择。
AI小说写作助手,一站式润色、改写、扩写
蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。
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。
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。
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。
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。
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。
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。
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。
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。
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。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号