alesaccoia/VoiceStreamAI

🎙️ VoiceStreamAI: Truyền giọn thời gian thực với Whisper và WebSocket

VoiceStreamAI biến trình duyệt thành công cụ chuyển đổi giọng nói thành văn bản gần thời gian thực bằng WebSocket và mô hình Whisper.

VoiceStreamAI là một giải pháp basecủa server Python 3 và client JavaScript, hỗ trợ truyền audio thời gian thực và chuyển đổi giọng nói thành văn bản thông qua WebSocket. Hệ thống sử dụng Voice Activity Detection (VAD) từ Hugging Face và mô hình Whisper (mặc định là faster-whisper) để nhận dạng giọng nói chính xác.

✨ Điểm nổi bật

• Truyền audio thời gian thực qua WebSocket: Gửi và nhận dữ liệu âm thanh liên tục giữa client và server.
• Thiết kế mô-đun linh hoạt: Dễ dàng tích hợp công nghệ VAD và ASR khác nhau.
• Mô hình Factory và Strategy: Quản lý thành phần linh hoạt, dễ mở rộng.
• Hỗ trợ kiểm thử đơn vị: Đảm bảo độ tin cậy trong quá trình phát triển.
• Chiến lược xử lý chunk tùy chỉnh: Tối ưu hiệu năng theo nhu cầu.
• Chuyển đổi đa ngôn ngữ: Hỗ trợ nhận dạng giọng nói nhiều ngôn ngữ.
• Bảo mật WebSocket: Hỗ trợ SSL/TLS với chứng chỉ và khóa tùy chọn.

💡 Vì sao đáng chú ý

VoiceStreamAI khác biệt nhờ sự kết hợp giữa VAD để lọc tiếng nói và Whisper để chuyển đổi, giúp giảm thời gian xử lý và tăng độ chính xác. Hệ thống được thiết kế mô-đun, dễ dàng mở rộng và triển khai cả trên Docker lẫn cài đặt thủ công. Phù hợp cho các ứng dụng như ghi chú tự động, phiên dịch, hoặc phân tích dữ liệu giọng nói.

#VoiceStreamAI #Whisper #WebSocket #SpeechToText #OpenSource #TiniX