Wie man Whisper in Node.js Mit Wort-Level-Zeitstempel Ausführt

Um das Whisper-Modell von OpenAI für Spracherkennung mit Wort-Level-Zeitstempeln in einer Node.js-Umgebung zu nutzen, können Sie das Paket nodejs-whisper verwenden. Dieses Paket bietet Node.js-Bindungen für das Whisper-Modell und unterstützt Wort-Level-Zeitstempel.

Schritt-für-Schritt-Anleitung

1. Build-Tools installieren:

   Stellen Sie sicher, dass auf Ihrem System die erforderlichen Build-Tools installiert sind. Unter Debian-basierten Systemen können Sie diese mit folgendem Befehl installieren:

   sudo apt update
   sudo apt install build-essential

   Für Windows-Benutzer wird die Installation von MinGW-w64 oder MSYS2 empfohlen. Stellen Sie nach der Installation sicher, dass mingw32-make oder make im PATH Ihres Systems verfügbar ist.

2. Das Paket nodejs-whisper installieren:

   Verwenden Sie npm, um das Paket zu installieren:

   npm install nodejs-whisper

3. Das Whisper-Modell herunterladen:

   Laden Sie nach der Installation des Pakets das gewünschte Whisper-Modell herunter:

   npx nodejs-whisper download

   Die verfügbaren Modelle sind:

   • tiny
   • tiny.en
   • base
   • base.en
   • small
   • small.en
   • medium
   • medium.en
   • large-v1
   • large
   • large-v3-turbo

   Wählen Sie ein Modell, das Leistung und Genauigkeit entsprechend Ihren Anforderungen ausgleicht.

4. Audio mit Wort-Level-Zeitstempeln transkribieren:

   Erstellen Sie eine JavaScript- oder TypeScript-Datei (z. B. transcribe.js) und fügen Sie den folgenden Code hinzu:

   const path = require('path');
   const { nodewhisper } = require('nodejs-whisper');
   
   // Geben Sie den genauen Pfad zu Ihrer Audiodatei an
   const filePath = path.resolve(__dirname, 'YourAudioFileName.wav');
   
   (async () => {
     await nodewhisper(filePath, {
       modelName: 'base.en', // Geben Sie den Namen des heruntergeladenen Modells an
       autoDownloadModelName: 'base.en', // (Optional) Automatisches Herunterladen des Modells, falls nicht vorhanden
       removeWavFileAfterTranscription: false, // (Optional) WAV-Datei nach der Transkription entfernen
       withCuda: false, // (Optional) Verwenden Sie CUDA für eine schnellere Verarbeitung, falls verfügbar
       logger: console, // (Optional) Logging-Instanz, standardmäßig Konsole
       whisperOptions: {
         outputInCsv: false, // Ausgabe des Ergebnisses in einer CSV-Datei
         outputInJson: false, // Ausgabe des Ergebnisses in einer JSON-Datei
         outputInJsonFull: false, // Ausgabe des Ergebnisses in einer JSON-Datei mit detaillierten Informationen
         outputInLrc: false, // Ausgabe des Ergebnisses in einer LRC-Datei
         outputInSrt: true, // Ausgabe des Ergebnisses in einer SRT-Datei
         outputInText: false, // Ausgabe des Ergebnisses in einer TXT-Datei
         outputInVtt: false, // Ausgabe des Ergebnisses in einer VTT-Datei
         outputInWords: true, // Ausgabe des Ergebnisses in einer WTS-Datei für Karaoke
         translateToEnglish: false, // Übersetzung von der Ausgangssprache ins Englische
         wordTimestamps: true, // Aktivieren Sie Wort-Level-Zeitstempel
         timestamps_length: 20, // Menge des Dialogs pro Zeitstempelpaar
         splitOnWord: true, // Trennung nach Worten und nicht nach Token
       },
     });
   })();

   Ersetzen Sie 'YourAudioFileName.wav' durch den Pfad zu Ihrer Audiodatei. Dieses Skript verarbeitet das Audio und generiert eine SRT-Datei mit Wort-Level-Zeitstempeln.

Zusätzliche Hinweise

• Audioformat: Das Paket nodejs-whisper konvertiert Audiodateien automatisch in das WAV-Format mit einer Frequenz von 16000 Hz, um das Whisper-Modell zu unterstützen.

• CUDA-Unterstützung: Wenn Sie eine kompatible NVIDIA-GPU und CUDA installiert haben, können Sie withCuda: true für eine schnellere Verarbeitung einstellen.

• Ausgabeformate: Mit den whisperOptions können Sie verschiedene Ausgabeformate angeben, darunter CSV, JSON, LRC, SRT, TXT, VTT und WTS. Passen Sie diese Optionen basierend auf Ihren Bedürfnissen an.

Fazit

Indem Sie diese Schritte befolgen, können Sie mit dem Whisper-Modell in einer Node.js-Umgebung effektiv Spracherkennung mit Wort-Level-Zeitstempeln durchführen.

Wir sind Leapcell, Ihre erste Wahl für das Hosting von Node.js-Projekten.

Leapcell ist die Serverless-Plattform der nächsten Generation für Webhosting, asynchrone Aufgaben und Redis:

Multi-Language-Unterstützung

• Entwickeln Sie mit Node.js, Python, Go oder Rust.

Unbegrenzte Projekte kostenlos bereitstellen

• Zahlen Sie nur für die Nutzung – keine Anfragen, keine Gebühren.

Unschlagbare Kosteneffizienz

• Pay-as-you-go ohne Leerlaufgebühren.
• Beispiel: 25 USD unterstützen 6,94 Mio. Anfragen bei einer durchschnittlichen Antwortzeit von 60 ms.

Optimierte Entwicklererfahrung

• Intuitive Benutzeroberfläche für mühelose Einrichtung.
• Vollautomatisierte CI/CD-Pipelines und GitOps-Integration.
• Echtzeitmetriken und -protokollierung für verwertbare Erkenntnisse.

Mühelose Skalierbarkeit und hohe Leistung

• Automatische Skalierung zur einfachen Bewältigung hoher Parallelität.
• Kein operativer Overhead – konzentrieren Sie sich einfach auf das Erstellen.

Erfahren Sie mehr in der Dokumentation!

Folgen Sie uns auf X: @LeapcellHQ