whisperx-asr-service

把 WhisperX 变成开箱即用的语音识别 API 服务

whisperx-asr-service 是一个基于 WhisperX 的语音识别服务化封装，把原本需要写脚本调用的 WhisperX 模型包装成可对外提供接口的服务。WhisperX 本身在 Whisper 基础上增加了语音活动检测、强制对齐和说话人分离能力，能输出带时间戳甚至区分说话人的转写结果。这个项目解决的是“模型好用但不好部署”的问题：开发者不必自己搭 FastAPI、处理音频上传、管理模型加载和并发，直接启动服务就能通过 HTTP 请求提交音频并拿到结构化识别结果。核心能力包括音频转写、词级时间戳对齐、说话人分离，以及以服务形式供其他系统调用。适合做会议记录、字幕生成、客服录音分析等需要批量或在线转写的场景。项目目前星标较少，属于早期阶段，接口稳定性和文档完善度还在演进中。