RealtimeSTT

RealtimeSTT是一个易于使用、低延迟的实时语音转文本库。它通过监听麦克风并将语音转录为文本，是语音助手和需要快速且精准的语音转文本应用的理想选择。其主要特点包括：

1. 语音活动检测：自动检测用户何时开始和停止说话。
2. 实时转录：实时将语音转录为文本。
3. 唤醒词激活：可通过预设的唤醒词启动录音。

使用场景

• 语音助手：如智能家居设备、虚拟秘书等，需要实时响应用户指令的应用。
• 翻译应用：实时语音翻译，可以应用于旅游、语言学习等场景。
• 开放式AI对话接口：通过语音激活与OpenAI接口进行交互的应用。
• 其他需要实时语音转文本的应用：如会议记录、直播字幕生成等。

安装指南

基本安装

pip install RealtimeSTT

GPU支持（推荐）

1. 安装NVIDIA CUDA Toolkit 11.8。
2. 安装NVIDIA cuDNN 8.7.0 for CUDA 11.x。
3. 安装ffmpeg，可以使用系统包管理器或者下载相应安装程序。
4. 安装支持CUDA的PyTorch：

   pip uninstall torch
   pip install torch==2.0.1+cu118 torchaudio==2.0.2 --index-url https://download.pytorch.org/whl/cu118
   

其他依赖

pip install -r requirements.txt

更新日志

近期的更新包括增加了唤醒词配置、新增了OpenAI接口的接入和Edge-TTS的接入，以及改进了WebUI和GPT-Sovits新API的兼容。

快速开始

基本用法可以通过手动和自动两种录音方式实现，以及支持回调函数以异步处理转录结果。

手动录音

recorder.start()
recorder.stop()
print(recorder.text())

自动录音

with AudioToTextRecorder() as recorder:
    print(recorder.text())

配置选项

AudioToTextRecorder类的初始化参数中提供了多种配置选项，如模型大小、语言编码、输入设备索引、GPU设备索引等。此外，还支持各种回调函数，以便在录音开始、停止和转录过程中执行特定操作。

实时转录和唤醒词配置

可以启用实时转录，并指定唤醒词以激活录音功能。唤醒词可以选择如"Alexa"，“Hey Google"等常见的命令词。

贡献与许可

欢迎贡献，并且该项目采用MIT许可证。

项目作者：Kolja Beigel，详细信息参见GitHub。