WhisperChain: Echtzeit-Sprachtranskriptions-Tool, das gesprochene Sprache in formellen Text veredelt 164

Was ist WhisperChain?

WhisperChain ist ein Echtzeit-Sprachtranskriptionstool mit integrierter Überarbeitungsfunktion, das sich besonders für Szenarien wie Besprechungsprotokolle und das Diktieren von Sprachnotizen eignet. Es bereinigt automatisch Füllwörter und macht umgangssprachliche Ausdrücke formeller und prägnanter, wobei die Kernaussage erhalten bleibt.

Wenn Sie beispielsweise sagen: „Dieses Ding verkauft sich besonders gut, wir haben viel Geld verdient, die Kunden sagen alle, es ist gut …", transkribiert es dies in: „Das Produkt erzielte eine hervorragende Marktleistung, generierte einen beachtlichen Umsatz und erhielt breite positive Kundenrückmeldungen."

Der verarbeitete Inhalt wird direkt in die Zwischenablage gespeichert und kann jederzeit verwendet werden – sehr praktisch.

Funktionsmerkmale von WhisperChain

• Echtzeit-Spracherkennung: WhisperChain verwendet Whisper.cpp zur Echtzeit-Spracherkennung und kann Sprachinhalte sofort in Text umwandeln.

• Transkriptbereinigung: Der transkribierte Text wird durch LangChain bereinigt, um die Lesbarkeit und Genauigkeit des Textes zu verbessern.

• Unterstützung globaler Tastenkürzel: Benutzer können über globale Tastenkürzel (standardmäßig

• Automatische Zwischenablage-Integration: Die Transkriptionsergebnisse werden automatisch in der Zwischenablage gespeichert, sodass Benutzer sie jederzeit und überall einfügen können.

Projektarchitektur von WhisperChain

Die Architektur von WhisperChain umfasst Client-Optionen (wie Tastenkürzel-Überwachung, Audio-Streaming, Zwischenablage-Integration), eine Web-Benutzeroberfläche (Streamlit) sowie Backend-Dienste (FastAPI). Der Audiostream wird über WebSocket an das Backend übertragen, vom Whisper-Modell erkannt und von LangChain verarbeitet, und schließlich wird der bereinigte Text ausgegeben.

Anwendungsszenarien von WhisperChain

• Besprechungen und Vorträge: In Besprechungen oder Vorträgen werden gesprochene Inhalte in Echtzeit in Text umgewandelt, was das Erstellen von Notizen erleichtert.

• Sprachassistenten: Ermöglichen Sprachassistenten ein genaueres Verstehen von Befehlen und verbessern so das Benutzererlebnis.

• Medizinische Dokumentation: Ärzte und Pflegekräfte können Patienteninformationen per Sprache eingeben, was Zeit spart und die Effizienz steigert.

• Kundensupport: Sprachanfragen von Kunden werden in Text umgewandelt, sodass Kundendienstmitarbeiter schnell und präzise antworten können.

Installation und Konfiguration

Systemanforderungen: Python 3.8+ und ein OpenAI-API-Schlüssel sind erforderlich. Für macOS müssen außerdem ffmpeg und portaudio installiert werden.

Installationsmethode: WhisperChain wird über pip installiert:

pip install whisperchain

Konfiguration: Beim ersten Lauf werden Sie aufgefordert, den OpenAI-API-Schlüssel einzugeben, der in der Datei ~/.whisperchain/.env gespeichert wird.

Verwendung

Anwendung starten:

whisperchain

Oder Start mit benutzerdefinierter Konfigurationsdatei:

whisperchain --config config.json

Verwenden Sie das globale Tastenkürzel, um die Aufnahme zu starten, sprechen Sie und lassen Sie das Tastenkürzel anschließend los. Das Transkriptionsergebnis wird automatisch in die Zwischenablage kopiert.

GitHub-Repository: https://github.com/chrischoy/WhisperChain