Whisper-WebUI

项目介绍：Whisper-WebUI

Whisper-WebUI 是一个基于 Gradio 的浏览器界面工具，旨在为 OpenAI 的 Whisper 提供用户友好的前端界面。用户可以将其用作简易的字幕生成器，以便从不同的音源生成和翻译字幕。

功能特点

• 多种 Whisper 实现选择：用户可以选择使用以下三种实现中的任意一种：openai/whisper、SYSTRAN/faster-whisper（默认使用）和 Vaibhavs10/insanely-fast-whisper。
• 字幕生成：支持从多种音源生成字幕，如文件、YouTube 和麦克风。
• 支持的字幕格式：包括 SRT、WebVTT 和简单文本文件（仅文本无时间轴）。
• 语音到文本翻译：可以将其他语言的语音翻译为英文，这是 Whisper 的端到端语音翻译特性。
• 文本到文本翻译：通过 Facebook NLLB 模型和 DeepL API 翻译字幕文件。
• 音频预处理：使用 Silero VAD 进行语音活动检测，和通过 UVR 分离背景音乐。
• 后处理：借助 pyannote 模型进行说话人识别。

安装及运行指南

使用 Pinokio 运行

1. 安装 Pinokio 软件。
2. 打开软件，搜索并安装 Whisper-WebUI。
3. 启动 Whisper-WebUI，连接到 http://localhost:7860。

使用 Docker 运行

1. 安装并启动 Docker-Desktop。
2. 克隆项目仓库：

   git clone https://github.com/jhj0517/Whisper-WebUI.git

3. 构建镜像：

   docker compose build

4. 启动容器：

   docker compose up

5. 在浏览器中访问 http://localhost:7860。

本地运行

先决条件

您的环境需要安装 git、Python（版本 3.10 至 3.12）和 FFmpeg。若未使用 Nvidia GPU 或 CUDA 版本不同，需要调整 requirements.txt。

自动安装步骤

1. 克隆项目仓库：

   git clone https://github.com/jhj0517/Whisper-WebUI.git

2. 运行 install.bat 或 install.sh 安装依赖。
3. 使用 start-webui.bat 或 start-webui.sh 启动 WebUI。

VRAM 使用情况

项目默认集成了 faster-whisper，以优化 VRAM 的使用效率和转录速度。以下是不同实现的显存和速度对比：

可用模型

Whisper 原生模型在 VRAM 使用方面的对比如下：

待办事项

• 添加 DeepL API 翻译
• 添加 NLLB 模型翻译
• 集成 faster-whisper
• 集成 insanely-fast-whisper
• 只集成 whisperX 的说话人识别功能
• 添加 UVR 的背景音乐分离预处理
• 开发 fast api 脚本
• 支持麦克风的实时转录

翻译

欢迎通过 PR 提交 translation.yaml 的语言翻译改进！