WhisperLiveKit

本地实时语音转文字，兼容 OpenAI/Deepgram API，秒级部署

WhisperLiveKit 是一个实时、本地的语音转文字工具包，基于 OpenAI Whisper 模型，提供流式语音识别（ASR）、说话人分离（speaker diarization）、翻译以及兼容 OpenAI 和 Deepgram 的 API 接口。它解决了传统云语音服务延迟高、隐私风险大、成本高的问题，让开发者能在本地或自有服务器上搭建低延迟的实时转录服务。核心能力包括：流式音频处理，支持麦克风或音频流输入；说话人识别，区分不同发言者；多语言翻译，将转录结果实时翻译成其他语言；提供 REST 和 WebSocket API，方便集成到现有应用中。项目采用 Python 和 PyTorch 构建，依赖 FastAPI 提供高性能服务，适合需要实时字幕、会议记录、语音助手等场景。其设计强调模块化和易用性，开发者可以快速部署并定制自己的语音处理管道。