小红书开源的中文语音转文字FireRedASR:一键整合包带webui、API

FireRedASR 是小红书开源的一个高度精确的中文语音转文字项目,在多个对比维度上都优于 whisper/funasr等。

为此创建了一个带有 webui界面，并兼容 OpenAI SDK格式的封装，同时提供了一个win下的整合包，以方便使用。

开源地址:https://github.com/jianchang512/fireredasr-ui

WebUI 界面

启动后默认地址:http://127.0.0.1:5078

Windows预打包版

win10/11 提供了预打包版。

123网盘下载地址：https://www.123684.com/s/03Sxjv-xzTJ3

解压后双击启动.bat即可

源码安装 Linux/MacOS

确保已安装 python3.10 、ffmpeg

进入某个目录下，打开终端

1. 拉取源码，执行命令git clone https://github.com/jianchang512/fireredasr-ui.git
2. 进入源码目录cd FireRedASR
3. 创建虚拟环境：python3 -m venv venv
4. 激活该环境：. venv/bin/activate
5. 安装依赖:pip3 install -r requirements.txt
6. 点击从huggingface下载模型，将页面中的几个文件下载后放入/pretrained_models/FireRedASR-AED-L文件夹内

API 调用

默认地址:http://127.0.0.1:5078/v1

OpenAI SDK中使用

from openai import OpenAI
client = OpenAI(api_key='123456',
  base_url='http://127.0.0.1:5078/v1')

audio_file = open("5.wav", "rb")
transcript = client.audio.transcriptions.create(
 model="whisper-1",
 file=audio_file,
 response_format="json",
 timeout=86400
)

print(transcript.text)

在 pyVideoTrans 中使用

如下图在OpenAI语音识别及兼容API中填写，然后在语音识别渠道中选择OpenAI语音识别