WhisperChain: herramienta de transcripción de voz en tiempo real que pule el lenguaje coloquial a un texto formal 166

¿Qué es WhisperChain?

WhisperChain es una herramienta de transcripción de voz en tiempo real con función de pulido integrada, especialmente adecuada para escenarios como la toma de notas en reuniones y la escritura de notas de voz. Es capaz de limpiar automáticamente las muletillas, transformando las expresiones coloquiales en otras más formales y concisas, al mismo tiempo que preserva el significado esencial.

Por ejemplo, si dices "这个东西卖得特别好，赚了不少钱，客户都说好……", lo transcribirá como "该产品市场表现优异，创造了可观的营收，获得了客户的普遍好评".

El contenido procesado se guarda directamente en el portapapeles, listo para usar en cualquier momento, lo cual resulta muy práctico.

Características y funciones de WhisperChain

• Reconocimiento de voz en tiempo real: WhisperChain utiliza Whisper.cpp para implementar el reconocimiento de voz en tiempo real, siendo capaz de convertir el contenido de voz a texto al instante.

• Limpieza de la transcripción: limpia el texto transcrito mediante LangChain, mejorando la legibilidad y la precisión del texto.

• Soporte de teclas de acceso rápido globales: los usuarios pueden utilizar teclas de acceso rápido globales (por defecto,

• Integración automática con el portapapeles: los resultados de la transcripción se guardan automáticamente en el portapapeles, y los usuarios pueden pegarlos y utilizarlos en cualquier momento y lugar.

Arquitectura del proyecto WhisperChain

La arquitectura de WhisperChain incluye opciones del lado del cliente (como monitorización de teclas de acceso rápido, flujo de audio, integración con el portapapeles), una interfaz web de usuario (Streamlit) y un servicio backend (FastAPI). El flujo de audio se transmite al backend mediante WebSocket y, tras ser procesado por el modelo Whisper y LangChain, finalmente se genera como salida el texto depurado.

Casos de uso de WhisperChain

• Reuniones y conferencias: durante reuniones o conferencias, convierte en tiempo real el contenido hablado a texto, lo que facilita la toma de notas.

• Asistente de voz: permite que el asistente de voz comprenda las instrucciones con mayor precisión, mejorando la experiencia de uso.

• Registros médicos: médicos y enfermeros pueden introducir por voz la información de los pacientes, ahorrando tiempo y mejorando la eficiencia.

• Atención al cliente: convierte las consultas de voz de los clientes en texto, lo que facilita que el servicio de atención responda rápidamente y ofrezca un servicio más preciso.

Instalación y configuración

Requisitos del sistema: se necesita Python 3.8+ y una clave de API de OpenAI. Para macOS, también es necesario instalar ffmpeg y portaudio.

Método de instalación: instala WhisperChain mediante pip:

pip install whisperchain

Configuración: en la primera ejecución, el sistema solicitará que introduzcas la clave de API de OpenAI y la guardará en el archivo ~/.whisperchain/.env.

Instrucciones de uso

Iniciar la aplicación:

whisperchain

O iniciar mediante un archivo de configuración personalizado:

whisperchain --config config.json

Utiliza la tecla de acceso rápido global para empezar a grabar, suéltala cuando termines de hablar y el resultado de la transcripción se copiará automáticamente al portapapeles.

Repositorio en GitHub: https://github.com/chrischoy/WhisperChain