openlrc

项目介绍：OpenLRC

项目概述

OpenLRC 是一个基于 Python 的开源项目，它的主要功能是将音频文件转录为文本，并使用大型语言模型（LLM）将转录文本翻译和润色为 .lrc 格式的歌词文件。这个项目借助了 faster-whisper 库进行语音识别，同时使用如 OpenAI-GPT、Anthropic-Claude 等先进的语言模型，实现文本的翻译和加工。

主要功能

• 音频预处理：为了减少转录错误，OpenLRC 对音频进行音量规范化和噪声抑制的预处理。
• 上下文感知翻译：通过对上下文的理解提供更优质的翻译结果。
• 支持双语字幕生成：可以生成目标语言和源语言并列显示的字幕。
• 自定义模型接口：支持用户指定自定义的 OpenAI 和 Anthropic 端点。

最新更新

• 支持 Gemini 作为翻译引擎 LLM，并支持从源代码安装特定版本的 faster-whisper。
• 增加双语字幕生成功能。
• 引入词汇表，以提升特定领域翻译的准确性。

安装指南

1. 确保安装了 CUDA 和 cuDNN，并将 faster-whisper 所需的 NVIDIA 库添加到系统路径中。
2. 添加需要的 API 密钥如 OpenAI 和 Anthropic 到环境变量。
3. 从源代码安装最新的 faster-whisper。
4. 通过 PyPI 或 GitHub 安装 OpenLRC。
5. 安装 PyTorch，以支持神经网络模型的运行。

使用方法

图形界面

OpenLRC 提供基于 streamlit 和正在开发中的 gradio 的图形界面。目前迁移工作正在进行中，用户可以使用命令 openlrc gui 启动图形界面。

Python 使用

以下是如何在 Python 中使用 OpenLRC 的示例：

from openlrc import LRCer

if __name__ == '__main__':
    lrcer = LRCer()

    # 单个音频文件转录
    lrcer.run('./data/test.mp3', target_lang='zh-cn')

    # 使用词汇表优化翻译
    lrcer = LRCer(glossary='./data/aoe4-glossary.yaml')
    lrcer.run('./data/test.mp3', target_lang='zh-cn')

    # 更改翻译模型和设置
    lrcer = LRCer(chatbot_model='claude-3-sonnet-20240229')
    lrcer.run('./data/test.mp3', target_lang='zh-cn')

定价信息

根据 OpenAI 和 Anthropic 的定价，使用不同型号的转换和翻译会产生不同的费用。具体费用视输入和输出的文本量而定。

工作原理

OpenLRC 的工作流程包括对音频的分段转录与翻译，确保上下文的连贯性。它利用大型语言模型的强大处理能力，将复杂的音频内容转化为用户可使用的文本格式。

未来规划

OpenLRC 项目未来计划在以下几个方面进行扩展和改进：

• 增强翻译质量，通过引入更多高效的翻译模型。
• 开发跨平台的图形用户界面。
• 提供更多样化的输出格式支持。

致谢

OpenLRC 项目感谢以下开发者及项目提供的支持：

• faster-whisper
• OpenAI Python API
• Microsoft Translator API

OpenLRC 项目希望通过这些技术为用户提供高效、准确的音频转文工具。