ดาวน์โหลด vox box - ดาวน์โหลดรหัสซอร์สโค้ด vox box

vox box

โค้ดแหล่งที่มา AI

v0.0.9

ดาวน์โหลด

กล่อง Vox

เซิร์ฟเวอร์ข้อความและพูดเป็นข้อความที่เข้ากันได้กับ OpenAI API ซึ่งขับเคลื่อนโดยการสนับสนุนแบ็กเอนด์จาก Whisper, Funasr, Bark และ Cosyvoice

ความต้องการ

Python 3.10 ขึ้นไป
รองรับ Nvidia GPU ต้องมีการติดตั้งไลบรารี NVIDIA ต่อไปนี้:
- Cublas สำหรับ Cuda 12
- Cudnn 9 สำหรับ Cuda 12

การติดตั้ง

คุณสามารถติดตั้งโครงการโดยใช้ PIP:

pip install vox-box

# For MacOS, you need to manually install `openfst`, `pynini`, and `wetextprocessing` after installing `vox-box` to make `cosyvoice` work:
brew install openfst
export CPLUS_INCLUDE_PATH= $( brew --prefix openfst ) /include
export LIBRARY_PATH= $( brew --prefix openfst ) /lib
pip install pynini==2.1.6
pip install wetextprocessing==1.0.4.1

การใช้งาน

vox-box start --huggingface-repo-id Systran/faster-whisper-small --data-dir ./cache/data-dir --host 0.0.0.0 --port 80

# Windows
vox-box start --huggingface-repo-id Systran/faster-whisper-small --data-dir C: U sers m ichelia A ppData R oaming v ox-box --host 0.0.0.0 --port 8082

ตัวเลือก

-d, --debug: เปิดใช้งานโหมดการดีบัก
-โฮสต์: โฮสต์เพื่อผูกเซิร์ฟเวอร์กับ ค่าเริ่มต้นคือ 0.0.0.0
-พอร์ต: พอร์ตเพื่อผูกเซิร์ฟเวอร์ไป ค่าเริ่มต้นคือ 80
-โมเดล: เส้นทางรุ่น
-อุปกรณ์: อุปกรณ์ที่มีผลผูกพันเช่น Cuda: 0 ค่าเริ่มต้นคือ CPU
-huggingface-repo-id: huggingface repo id สำหรับรุ่น
-โมเดลโมเดลโมเดล-ID: โมเดลโมเดลโมเดล ID สำหรับรุ่น
-DATA-DIR: ไดเรกทอรีเพื่อจัดเก็บข้อมูลรุ่นที่ดาวน์โหลดมา ค่าเริ่มต้นคือระบบปฏิบัติการเฉพาะ

รุ่นที่รองรับ

แบบอย่าง	พิมพ์	การเชื่อมโยง	แพลตฟอร์มที่ผ่านการตรวจสอบแล้ว
เร็วขึ้น-ใหญ่ V3	คำพูดเป็นข้อความ	กอดใบหน้านางแบบ cope	Linux ✅, Windows ✅, MacOS ✅
เร็วขึ้น-V2	คำพูดเป็นข้อความ	กอดใบหน้านางแบบ cope	Linux ✅, Windows ✅, MacOS ✅
เร็วขึ้น-ใหญ่ V1	คำพูดเป็นข้อความ	กอดใบหน้านางแบบ cope
ปานกลางเร็วขึ้น	คำพูดเป็นข้อความ	กอดใบหน้านางแบบ cope	Linux ✅, Windows ✅, MacOS ✅
เร็วขึ้น-ปานกลาง	คำพูดเป็นข้อความ	กอดใบหน้านางแบบ cope
เร็วเร็วขึ้น	คำพูดเป็นข้อความ	กอดใบหน้านางแบบ cope	Linux ✅, Windows ✅, MacOS ✅
เร็วขึ้น-small.en	คำพูดเป็นข้อความ	กอดใบหน้านางแบบ cope
เร็วขึ้น-เสียงกระซิบ -V3	คำพูดเป็นข้อความ	กอดใบหน้านางแบบ cope	macos ✅
เร็วขึ้น-เสียงกระซิบ -V2	คำพูดเป็นข้อความ	กอดใบหน้านางแบบ cope	macos ✅
เร็วขึ้น distil-whisper-medium.en	คำพูดเป็นข้อความ	กอดใบหน้านางแบบ cope
เร็วขึ้น	คำพูดเป็นข้อความ	กอดใบหน้านางแบบ cope
เร็วขึ้น	คำพูดเป็นข้อความ	กอดใบหน้านางแบบ cope
Paraformer-ZH	คำพูดเป็นข้อความ	กอดใบหน้านางแบบ cope
Paraformer-ZH-streaming	คำพูดเป็นข้อความ	กอดใบหน้านางแบบ cope	Linux ✅, MacOS ✅
พารา	คำพูดเป็นข้อความ	กอดใบหน้านางแบบ cope
ผู้ปฏิบัติตาม	คำพูดเป็นข้อความ	กอดใบหน้านางแบบ cope
SENSEVOICESMALL	คำพูดเป็นข้อความ	กอดใบหน้านางแบบ cope	Linux ✅, Windows ✅, MacOS ✅
เห่า	ข้อความเป็นคำพูด	กอดใบหน้า
เปลือกเปลือกหอย	ข้อความเป็นคำพูด	กอดใบหน้า
Cosyvoice-300m- Instruct	ข้อความเป็นคำพูด	กอดใบหน้านางแบบ cope	Linux (ไม่รองรับ ARM), Windows (ไม่รองรับ), MacOS ✅
cosyvoice-300m-sft	ข้อความเป็นคำพูด	กอดใบหน้านางแบบ cope	Linux (ไม่รองรับ ARM), Windows (ไม่รองรับ), MacOS ✅
cosyvoice-300m	ข้อความเป็นคำพูด	กอดใบหน้านางแบบ cope	Linux (ไม่รองรับ ARM), Windows (ไม่รองรับ), MacOS ✅
cosyvoice-300m-25Hz	ข้อความเป็นคำพูด	ModelsCope	Linux (ไม่รองรับ ARM), Windows (ไม่รองรับ), MacOS ✅

API ที่รองรับ

สร้างคำพูด

จุดสิ้นสุด : POST /v1/audio/speech

สร้างเสียงจากข้อความอินพุต เข้ากันได้กับ OpenAI Audio/Speech API

คำขอตัวอย่าง :

curl http://localhost/v1/audio/speech 
  -H " Authorization: Bearer $OPENAI_API_KEY " 
  -H " Content-Type: application/json " 
  -d ' {
    "model": "cosyvoice",
    "input": "Hello world",
    "voice": "English Female"
  } ' 
  --output speech.mp3

การตอบสนอง : เนื้อหาไฟล์เสียง

สร้างการถอดความ

จุดสิ้นสุด : POST /v1/audio/transcriptions

ถอดเสียงออกเป็นภาษาอินพุต เข้ากันได้กับ OpenAI Audio/Transcription API

คำขอตัวอย่าง :

curl https://localhost/v1/audio/transcriptions 
  -H " Authorization: Bearer $OPENAI_API_KEY " 
  -H " Content-Type: multipart/form-data " 
  -F file= " @/path/to/file/audio.mp3 " 
  -F model= " whisper-large-v3 "

การตอบสนอง :