Douyin 转录器

使用本地 Docker Whisper ASR 将音频/视频文件转录为文本。

快速开始

bash
curl -X POST http://localhost:PORT/asr -F audio_file=@/path/to/video.mp4

该容器内置了 ffmpeg，可自动提取音频。

前提条件

部署 Whisper ASR：
bash
docker run -d -p PORT:PORT -e ASRMODEL=small -e ASRENGINE=faster_whisper --name whisper-asr onerahmet/openai-whisper-asr-webservice:latest

工作流程

步骤 1：从视频中提取音频

bash
ffmpeg -i video.mp4 -ar 16000 -ac 1 -c:a pcm_s16le audio.wav -y

参数说明：

• - -ar 16000：16kHz 采样率
• -ac 1：单声道
• -c:a pcm_s16le：16位 PCM 编码

步骤 2：转录

bash
curl -X POST http://localhost:PORT/asr -F audio_file=@audio.wav

可选：指定语言
bash
curl -X POST http://localhost:PORT/asr -F audio_file=@audio.wav -F language=zh

步骤 3：解析结果

响应格式：
json
{
text: 转录内容...,
segments: [
{start: 0.0, end: 2.5, text: 第一句话},
{start: 2.5, end: 5.0, text: 第二句话}
],
language: zh
}

模型选择

通过环境变量更改模型：-e ASR_MODEL=medium

支持的格式

视频： mp4、mkv、avi、mov、flv、wmv、webm、m4v

音频： wav、m4a、mp3、aac、ogg、flac、wma、opus

故障排除

相关模块

• - douyin-fetcher - 视频下载
• douyin-analyzer - 内容分析
• douyin-orchestrator - 工作流协调