# audio2text

**Repository Path**: M_Fisher/audio2text

## Basic Information

- **Project Name**: audio2text
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-12-15
- **Last Updated**: 2025-12-16

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 语音转文字服务

基于 Vue3 + Fastify + whisper.cpp (CUDA 加速) 的实时语音转文字服务

## ⚡ 快速开始

### 一键启动

```bash
cd backend
npm install
npm start
```

访问: `http://localhost:3000`

就这么简单！前端已内置在后端服务中。

---

## 📖 文档导航

- **[API 接口文档](./API.md)** - 如何在其他项目中调用本服务
- **[部署文档](./DEPLOYMENT.md)** - 新服务器部署、GPU 配置、故障排查
- **[本文档](#)** - 快速开始指南

---

## 📁 项目结构

```
QoderCli/
├── backend/                    # 🚀 后端服务（前后端一体）
│   ├── public/                # 前端静态文件（自动生成）
│   ├── asr/                   # ASR 核心模块
│   ├── ws/                    # WebSocket 处理
│   └── server.js              # 服务入口
│
├── frontend/                   # 💻 前端源代码（仅开发时需要）
│   └── src/
│
└── whisper/                    # 🎯 Whisper 运行时（自包含）
    ├── bin/                    # 可执行文件
    └── models/                 # AI 模型
```

---

## 🎯 技术栈

- **前端**: Vue 3, Vite, WebSocket, Web Audio API
- **后端**: Fastify, Node.js, WebSocket, Static Server
- **ASR**: whisper.cpp (CUDA 加速)
- **模型**: ggml-small.bin (中文，465MB)

---

## 🚀 性能指标

- **GPU 模式**: 2-4 秒（推荐）⚡
- **CPU 模式**: 7 秒
- **准确率**: 高精度中文识别 ✅
- **输出**: 简体中文（自动繁简转换）

---

## 📦 部署优势

### 一键部署
- ✅ **前后端一体**: 无需单独部署前端
- ✅ **自包含 Whisper**: 所有依赖都在项目中
- ✅ **零配置**: 开箱即用
- ✅ **便携迁移**: 复制整个目录即可

### 传统方式 vs 当前方式

| 步骤 | 传统方式 | 当前方式 |
|------|---------|---------|
| 安装依赖 | 前端 + 后端 + Whisper | 仅后端 |
| 启动服务 | 3 个命令 | 1 个命令 |
| 端口管理 | 2 个端口 | 1 个端口 |
| 部署复杂度 | ⭐⭐⭐ | ⭐ |

---

## 💻 使用说明

1. 访问 `http://localhost:3000`
2. 点击"开始录音"
3. 对着麦克风说话
4. 点击"停止录音"
5. 查看识别结果

---

## 🔧 开发者指南

### 修改前端

```bash
# 1. 开发
cd frontend
npm install
npm run dev  # http://localhost:5173

# 2. 构建并部署
cd ../backend
npm run build

# 3. 重启服务
npm start
```

### 切换模型

```bash
# 下载其他模型到 whisper/models/
# 编辑 backend/.env
MODEL_PATH=../../whisper/models/ggml-base.bin
```

---

## 🌐 生产环境

```bash
# 使用 PM2
npm install -g pm2
cd backend
pm2 start server.js --name speech-to-text
pm2 save
```

---

## 📋 系统要求

### 必需
- Node.js >= 16.x

### 可选（GPU 加速）
- NVIDIA GPU (计算能力 >= 6.0)
- CUDA Toolkit 12.8
- NVIDIA 驱动

---

## 📄 许可证

MIT