Whisper CLI
Whisper — CLI для расшифровки аудио: выбирайте размер модели под компьютер и получайте текст речи на исходном языке.
- 112 049 ★ репозитория
- Последний коммит
- MIT
Расширенный доступ
Почему такой уровень
- CLI читает аудиозаписи, загружает модели и сохраняет результаты на диске.
Установка
В терминале, через SkillFoxx CLI
npx skillfoxx add cli/whisperОпределит агенты на машине, покажет уровень доступа и зафиксирует версию.
Другие способы установки
Доступ и проверки
Как мы проверяемРасширенный доступИнструмент запускает код или ходит в сеть, а внешние данные только читает.
- CLI читает аудиозаписи, загружает модели и сохраняет результаты на диске.
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
Whisper — CLI для распознавания речи из аудиофайлов с помощью моделей OpenAI на своем компьютере. Пользователь передает записи, выбирает модель и получает расшифровку. Можно указать язык заранее или поручить модели его определение. Отдельный режим переводит иноязычную речь на английский. Это исходная Python-реализация Whisper с зависимостью от PyTorch; для запуска через команду `whisper` не нужен аккаунт API. Для расшифровки нескольких записей их имена передают одной команде. Исходные аудиофайлы остаются у пользователя.
Для кого. Авторам интервью и учебных материалов, которые превращают готовые аудиозаписи в редактируемый текст.
Подходит, если
- Редактор расшифровывает несколько записей одним вызовом из терминала.
- Преподаватель получает текст выступления на языке оригинала.
- Автор переводит иностранную речь на английский через многоязычную модель.
- Команда сравнивает размер модели с доступной памятью перед обработкой архива.
Не подходит, если
- Переводчик ожидает перевод звука сразу на русский вместо английского.
- Пользователь выбирает `turbo` для задачи перевода речи.
- Рабочий процесс требует рекордера встреч с поиском по заметкам и интерфейсом.
Пример запроса к агенту
Расшифруй готовую запись на исходном языке локально и отметь фразы, которые надо переслушать.Ограничения
Для обработки аудио отдельно устанавливают ffmpeg; Python-пакет его не заменяет. Требования к памяти зависят от модели: перед обработкой архива сопоставьте выбранный вариант с объемом памяти своего компьютера. Модель `turbo` не обучена переводу: даже с `--task translate` она вернет исходный язык. Качество распознавания заметно различается между языками, поэтому расшифровку надо сверять с записью перед публикацией.
Как отключить. Остановите процесс расшифровки и уберите `whisper` из заданий. Текстовые результаты и загруженные модели сохранятся на диске после завершения команды.
Частые вопросы
Как поставить CLI?
Выполните `pip install -U openai-whisper` и отдельно установите ffmpeg для своей ОС. После этого команда `whisper` сможет прочитать аудиофайл; начните с короткой записи.
Как обработать несколько файлов?
Пример `whisper audio.flac audio.mp3 audio.wav --model turbo` принимает сразу несколько записей. Замените имена своими и просмотрите результат каждой записи.
Как заранее задать язык?
Автор приводит `whisper japanese.wav --language Japanese`. Подставьте свой файл и поддерживаемый язык, чтобы не полагаться на автоматическое определение.
Как получить перевод на английский?
Используйте пример `whisper japanese.wav --model medium --language Japanese --task translate`. Выберите многоязычную модель и замените язык исходной записи.
Почему установка требует Rust?
Это возможно, если для вашей платформы нет готового пакета tiktoken. Установите Rust по ссылке из Setup; для ошибки `No module named 'setuptools_rust'` автор дает `pip install setuptools-rust`.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
CLI-инструментыwhisper.cpp — CLI для аудио без Python-окружения: разработчик собирает исполняемый файл под процессор или ускоритель.
Piper — CLI для локальной озвучки текста: выбирайте голос, сохраняйте WAV и подключайте синтез к своим приложениям.
Скилл и скрипты для расшифровки аудио через Yandex SpeechKit: подготовка записи, загрузка в Object Storage и асинхронное распознавание v3
Локальный синтез речи для агентов: команда и скилл озвучивают текст, клонируют голос по записи и собирают музыку из партитуры без облака и платы за символы
yandex-stt: длинные записи в текст через SpeechKit
yandex-speechkit-talk-recognition
Консольная утилита на Node.js, которая переводит длинные аудиозаписи разговоров в текст через асинхронное распознавание Yandex SpeechKit
Скилл с двумя скриптами: текст в голосовое сообщение .ogg и голосовое в текст через Яндекс SpeechKit, с десятью голосами и тремя эмоциями
Коротко о README
Англоязычные модели имеют суффикс `.en`, многоязычные варианты обходятся без него. В таблице моделей приведены размеры и требования к памяти: по ней можно отобрать варианты для компьютера, затем сравнить расшифровки одного фрагмента.