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
拉取源码，执行命令 git clone https://github.com/jianchang512/fireredasr-ui.git进入源码目录 cd FireRedASR创建虚拟环境： python3 -m venv venv激活该环境： . venv/bin/activate安装依赖: pip3 install -r requirements.txt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
