Simple ASR Server

Простой сервер для автоматического распознавания речи (ASR) на базе OpenAI Whisper.

Особенности

• Поддержка различных моделей Whisper (tiny, base, small, medium, large, turbo)
• Три формата вывода: plaintext, simple JSON, полный JSON
• Параметр speedup для ускорения аудио перед распознаванием
• Автоматическая конвертация аудио в поддерживаемый формат
• API ключи для безопасности
• Docker поддержка

Быстрый старт

Локальная установка

1. Установите зависимости:

pip install -r requirements.txt

2. Скопируйте и настройте переменные окружения:

cp .env.example .env

3. Запустите сервер:

python app.py

Docker

1. Постройте и запустите контейнер:

docker-compose up --build

API

POST /transcribe

Распознавание речи из аудиофайла.

Параметры:

• file (файл) - Аудиофайл для распознавания
• model_name (опционально) - Модель Whisper для использования
• output_format - Формат вывода: plaintext, simple, или json
• speedup - Коэффициент ускорения аудио (0.25-4.0)

Заголовки:

• x-api-key - API ключ

Примеры:

# Простой текстовый вывод
curl -X POST "http://localhost:9854/transcribe?output_format=plaintext&speedup=1.5" \
  -H "x-api-key: YOUR_API_KEY" \
  -F "file=@audio.wav"

# JSON с только текстом
curl -X POST "http://localhost:9854/transcribe?output_format=simple" \
  -H "x-api-key: YOUR_API_KEY" \
  -F "file=@audio.wav"

# Полный JSON ответ с использованием другой модели
curl -X POST "http://localhost:9854/transcribe?output_format=json&model_name=base" \
  -H "x-api-key: YOUR_API_KEY" \
  -F "file=@audio.wav"

GET /health

Проверка состояния сервера.

Переменные окружения

См. .env.example для полного списка доступных переменных:

• HOST - Хост сервера (по умолчанию: 0.0.0.0)
• PORT - Порт сервера (по умолчанию: 9854)
• DEFAULT_MODEL - Модель по умолчанию (по умолчанию: turbo)
• MODEL_DOWNLOAD_ROOT - Папка для загрузки моделей
• KEYS_FILE - Файл с API ключами