SuperAPI AI 工具集

whispermix

通用与其它

查看项目

更新于 10-16 05:02

技能介绍

WhisperMix 用于在 Node.js 项目中将音频文件转写为文本,提供统一 API 并支持多个后端。适用场景是用户希望从音频文件(.mp3、.wav、.m4a、.ogg、.flac、.webm)进行语音转文字。不适用于 TTS、翻译或实时麦克风流式转写。

模型选择:云端质量与速度较优可选 groq/whisper-large-v3 或 openai/whisper-1;本地启动最快可选 efederici/parakeet-tdt-0.6b-v3-int4;本地语言控制更好可选 xenova/whisper-large-v3。

主要限制:本地模型仅支持文件(fromFile),不支持 fromStream;API 模型需要设置 OPENAI_API_KEY 或 GROQ_API_KEY;处理长文件需要 ffmpeg。

安装:npm install whispermix

基本用法:导入 WhisperMix,创建实例并指定模型,然后调用 fromFile 转写文件,例如 new WhisperMix({ model: 'groq/whisper-large-v3' }) 后 await w.fromFile('audio.mp3')。如需词级时间戳,可传入 { wordTimestamps: true },返回结果包含 text 与 words。

常见问题:未设置 OPENAI_API_KEY / GROQ_API_KEY 时需设置环境变量或改用本地模型;fromStream 不支持时改用本地模型的 fromFile;提示 Cannot find ffmpeg 时需安装 ffmpeg 后重试。