Faster-Whisper WebUI

项目概述

基于Faster-Whisper的语音转录解决方案，提供以下功能：

核心功能

• 支持音频/视频文件转录 (MP3, WAV, MP4等格式)
• 自动语音识别与文本生成，自动转换为Markdown格式与txt格式
• 批量文件处理功能
• 实时日志监控与错误处理

技术栈

组件	用途
Python 3.10+	后端逻辑
Gradio	Web交互界面
Faster-Whisper	语音识别引擎
FFmpeg	音视频处理

环境要求

硬件配置

• NVIDIA GPU (推荐) 或 CPU
• 最小4GB显存 (GPU模式)
• 16GB内存

软件依赖

• Python 3.10+
• FFmpeg

安装指南

# 克隆仓库
git clone https://github.com/AdamPlatin123/Faster-Whisper-WebUI.git
cd Faster-Whisper-WebUI

# 创建虚拟环境
python -m venv venv
venv\Scripts\activate

# 安装依赖
pip install -r requirements.txt

# 设置环境变量(Windows)
set KMP_DUPLICATE_LIB_OK=TRUE

# 运行应用
python app.py

配置管理

环境变量

变量名	描述	默认值	必填
KMP_DUPLICATE_LIB_OK	解决CUDA库冲突	TRUE	是

文件存储配置

MEDIA_CONFIG = {
    "MAX_FILE_SIZE": 8192,  # MB
    "ALLOWED_AUDIO": ["mp3","wav","aac","flac","ogg","m4a"],
    "TEMP_DIR": "temp_media"  # 临时文件目录
}

使用说明

启动选项

# 常规模式
python app.py

# 调试模式(显示详细日志)
python app.py --debug

访问界面

应用启动后访问：

http://localhost:7860 (程序会自动选择可用端口)

依赖管理

主要依赖

包名	版本	用途
gradio	>=3.0.0	Web界面框架
faster-whisper	>=0.9.0	语音识别核心
torch	>=2.0.0	GPU加速支持

完整依赖见requirements.txt

常见问题

错误处理

错误现象	解决方案
CUDA初始化失败	1. 确认NVIDIA驱动正常 2. 执行set KMP_DUPLICATE_LIB_OK=TRUE
文件格式不支持	检查文件扩展名是否在ALLOWED_AUDIO/VIDEO列表内
内存不足	减小MAX_FILE_SIZE配置值

依赖冲突解决

# 创建干净虚拟环境
python -m venv clean_venv
clean_venv\Scripts\activate
pip install -r requirements.txt
### 启动选项
# 常规模式
python app.py
# 调试模式(显示详细日志)
python app.py --debug

许可协议

本项目遵循 Apache 2.0 License