whisperx api

whisperx api wrapper

เสื้อคลุม API สำหรับไลบรารี Whisperx

ภาพรวม

นี่คือแอปพลิเคชัน fastapi ที่ให้จุดสิ้นสุดสำหรับการถอดความวิดีโอ/เสียงโดยใช้คำสั่ง whisperx แอปพลิเคชันรองรับรูปแบบเสียงและวิดีโอหลายรูปแบบ มันดำเนินการถอดความการจัดตำแหน่งและ diarization ของไฟล์สื่อที่อัปโหลด

คุณสมบัติ

• การรับรองความถูกต้องของผู้ใช้ด้วย JWT
• รองรับรูปแบบเสียงและวิดีโอหลายรูปแบบ
• การสนับสนุน Diarization
• การตั้งค่าภาษาและรูปแบบที่ปรับแต่งได้

ความต้องการ

• กระซิบ
• Python 3.8+
• Fastapi
• FFMPEG
• sqlite
• pyjwt
• dotenv

ทำตามคำแนะนำเกี่ยวกับวิธีการติดตั้ง Whisperx ในที่เก็บอย่างเป็นทางการคุณสามารถติดตั้งการอ้างอิงเหล่านี้โดยใช้ไฟล์ requirements.txt :

pip install -r requirements.txt

ตัวแปรสภาพแวดล้อม

สร้างไฟล์ .env ในไดเรกทอรีรูทของคุณและเพิ่มตัวแปรต่อไปนี้:

 SECRET_KEY = your_secret_key
MASTER_KEY = your_master_key
HUGGING_FACE_TOKEN = your_hugging_face_token
API_PORT = 11300 

การตั้งค่าฐานข้อมูล

SQLite ใช้สำหรับการจัดเก็บข้อมูลผู้ใช้ ฐานข้อมูลถูกสร้างขึ้นโดยอัตโนมัติเมื่อแอปพลิเคชันทำงาน

การรันแอปพลิเคชัน

เรียกใช้แอปพลิเคชันโดยใช้:

python api_whisperx.py

แทนที่ main ด้วยชื่อไฟล์ Python ของคุณหากไม่ใช่ main.py

จุดสิ้นสุด API

โพสต์ /auth

รับรองความถูกต้องของผู้ใช้และส่งคืนโทเค็น JWT

• username : ชื่อผู้ใช้ของผู้ใช้
• password : รหัสผ่านของผู้ใช้

โพสต์ /create_user

สร้างผู้ใช้ใหม่

• username : ชื่อผู้ใช้ที่ต้องการ
• password : รหัสผ่านที่ต้องการ
• master_key : คีย์หลักสำหรับการสร้างผู้ใช้ที่ได้รับอนุญาต

โพสต์ /whisperx-transcribe/

ถอดเสียงไฟล์เสียงหรือวิดีโอที่อัปโหลด

• file : ไฟล์เสียงหรือวิดีโอเพื่อถอดความ
• lang : ภาษาสำหรับการถอดความ (ค่าเริ่มต้นคือ "PT")
• model : รุ่นที่ใช้สำหรับการถอดความ (ค่าเริ่มต้นคือ "ขนาดใหญ่ V2")
• min_speakers : จำนวนลำโพงขั้นต่ำสำหรับ diarization (ค่าเริ่มต้นคือ 1)
• max_speakers : จำนวนสูงสุดของลำโพงสำหรับ diarization (ค่าเริ่มต้นคือ 2)

การตัดไม้

แอปพลิเคชันมีการบันทึกในตัวที่แจ้งเกี่ยวกับขั้นตอนที่ดำเนินการและข้อผิดพลาดใด ๆ ที่เกิดขึ้น