WhisperKit

WhisperKit简介

WhisperKit 是一个Swift软件包，它将OpenAI的热门语音识别模型 Whisper 与苹果的CoreML框架集成，旨在实现高效的本地推理，专为苹果设备设计。

你可以通过TestFlight来查看演示应用。

安装方法

1. Swift Package Manager：可以通过Swift Package Manager将WhisperKit集成到你的Swift项目中:

   • 打开项目并选择 File > Add Package Dependencies...
   • 输入仓库地址: https://github.com/argmaxinc/whisperkit
   • 选择版本并完成添加

2. Homebrew：你可以使用Homebrew来安装命令行版本：

   brew install whisperkit-cli
   

使用示例

1. 初始化并转录本地音频文件：

   import WhisperKit
   
   Task {
      let pipe = try? await WhisperKit()
      let transcription = try? await pipe!.transcribe(audioPath: "path/to/your/audio.{wav,mp3,m4a,flac}")?.text
      print(transcription)
   }
   

2. 模型选择：可以自动下载推荐的模型，也可以指定特定的模型：

   let pipe = try? await WhisperKit(model: "large-v3")
   

主要使用场景

• 语音转文本：将本地存储的音频文件转换为文本，适用于语音备忘录转录、会议记录生成等场景。
• 实时语音识别：通过麦克风实时转录语音，适用于语音助手、即时语音输入等场景。

贡献与计划

WhisperKit鼓励社区贡献，欢迎在GitHub上查看贡献指南，发布issue或提交pull request，同时可以查看未来开发计划。WhisperKit的目标是不断优化和增加新功能。

授权与引用

WhisperKit基于MIT许可协议发布。如果你在学术工作中使用了WhisperKit，可以使用以下BibTeX条目进行引用：

@misc{whisperkit-argmax,
   title = {WhisperKit},
   author = {Argmax, Inc.},
   year = {2024},
   URL = {https://github.com/argmaxinc/WhisperKit}
}