rocm-whisper-webui/README.md

Whisper Speed Transcribe

Полнофункциональный Web UI для транскрибации аудио/видео с использованием Whisper.

Возможности

• 📁 Загрузка видео (MP4, MKV, AVI, MOV, WebM) и аудио (MP3, WAV, M4A, FLAC, OGG)
• ⚡ Изменение скорости аудио (0.5x - 2.0x) без изменения высоты тона
• 🎙️ Транскрибация или перевод на английский язык
• 🔊 Прослушивание обработанного аудио после конвертации
• 📋 История задач с автоудалением через 6 часов
• 🐳 Полная поддержка Docker и Docker Compose

Быстрый старт

Требования

• Docker
• Docker Compose

Запуск

1. Клонируйте репозиторий и перейдите в директорию проекта:

cd whisper-webui

2. Создайте файл .env на основе .env.example:

cp .env.example .env

3. Запустите все сервисы:

docker-compose up -d

4. Откройте в браузере:

• Gradio UI: http://localhost:7860
• API: http://localhost:8080

Использование

Через Web UI

1. Загрузите видео или аудио файл
2. Настройте скорость воспроизведения (по умолчанию 1.25x)
3. Выберите задачу: транскрибация или перевод
4. При необходимости укажите язык
5. Нажмите "Обработать файл"
6. Прослушайте обработанное аудио и скопируйте текст

Через curl (прямой вызов API)

# Транскрибация
curl -X POST -F "file=@test.m4a" http://localhost:8080/transcribe

# Транскрибация с указанием языка
curl -X POST -F "file=@test.m4a" -F "language=ru" http://localhost:8080/transcribe

# Перевод на английский
curl -X POST -F "file=@test.m4a" -F "task=translate" http://localhost:8080/transcribe

Настройки

Переменные окружения

Переменная	По умолчанию	Описание
MODEL_SIZE	base	Размер модели Whisper (tiny, base, small, medium, large)
DEVICE	cpu	Устройство для инференса (cpu, cuda)
WHISPER_API_URL	http://whisper-api:8080/transcribe	URL API транскрибации
DB_RETENTION_HOURS	6	Время хранения задач в часах

Доступные модели Whisper

Модель	Размер	Скорость	Качество
tiny	~39 MB	Очень быстро	Низкое
base	~74 MB	Быстро	Среднее
small	~244 MB	Средне	Хорошее
medium	~769 MB	Медленно	Очень хорошее
large	~1550 MB	Медленно	Лучшее

Структура проекта

whisper-webui/
├── docker-compose.yml    # Конфигурация Docker Compose
├── .env.example          # Пример переменных окружения
├── README.md             # Документация
├── api/                  # API сервис (Whisper)
│   ├── Dockerfile
│   ├── main.py
│   └── requirements.txt
└── ui/                   # Gradio интерфейс
    ├── Dockerfile
    ├── app.py
    └── requirements.txt

Остановка

docker-compose down

Примечание

• Аудио файлы не сохраняются - только метаданные и результаты транскрибации
• База данных SQLite автоматически очищает записи старше 6 часов
• Для GPU ускорения установите DEVICE=cuda и используйте соответствующий образ

Лицензия

MIT