WAAS

WAAS: Whisper as a Service - GUI und API für OpenAI Whisper

WAAS (Whisper as a Service) ist ein Open-Source-Projekt, das eine GUI und API für OpenAI's Whisper bereitstellt und die Audio- und Video-Transkription zugänglicher und benutzerfreundlicher macht. Es bietet sowohl eine grafische Benutzeroberfläche (GUI) für das einfache Hochladen und Transkribieren von Dateien als auch eine API für den programmgesteuerten Zugriff.

Was ist WAAS?

WAAS bietet eine Schnittstelle zum Hochladen und Transkribieren von Audio- oder Videodateien. Nach der Transkription erhalten die Benutzer eine E-Mail mit Download-Links für die Transkription in verschiedenen Formaten, darunter Jojo-Datei, SRT oder Nur-Text. Ein wichtiges Merkmal ist der lokale, browserbasierte Editor zur Korrektur von Transkriptionsfehlern.

Hauptmerkmale

• GUI für Upload und Transkription: Einfache Schnittstelle zum Hochladen von Audio- und Videodateien.
• E-Mail-Benachrichtigungen: Erhalten Sie E-Mail-Benachrichtigungen mit Download-Links nach der Transkription.
• Mehrere Ausgabeformate: Laden Sie Transkriptionen in Jojo-Datei-, SRT- oder Nur-Text-Formaten herunter.
• Lokaler browserbasierter Editor: Korrigieren Sie Transkriptionsfehler im Browser.
• API-Zugriff: Programmgesteuerter Zugriff auf Transkriptionsdienste über die API.

Wie funktioniert WAAS?

WAAS ermöglicht es Benutzern, Audio- oder Videodateien über eine GUI (namens Jojo) oder über eine API hochzuladen. Die hochgeladene Datei wird dann mit dem Whisper-Modell von OpenAI zur Transkription verarbeitet. Sobald die Transkription abgeschlossen ist, erhält der Benutzer eine E-Mail mit Links zum Herunterladen der Transkription in verschiedenen Formaten. Der browserbasierte Editor ermöglicht es Benutzern, Fehler in der Transkription zu verfeinern und zu korrigieren, bevor sie das Endergebnis speichern.

API-Dokumentation

Die WAAS API bietet verschiedene Endpunkte für die Transkription und verwandte Aufgaben:

• POST /v1/transcribe: Fügt der Warteschlange einen neuen Transkriptionsauftrag hinzu.
  • Erforderliche Parameter: email_callback oder webhook_id.
  • Optionale Parameter: language, model, task, filename.
  • Body: Rohe Audiodaten.
• OPTIONS /v1/transcribe: Ruft die verfügbaren Optionen für die Transkriptionsroute ab.
• POST /v1/detect: Erkennt die Sprache der Audiodatei.
  • Optionaler Parameter: model.
  • Body: Rohe Audiodaten.
• OPTIONS /v1/detect: Ruft die verfügbaren Optionen für die Erkennungsroute ab.
• GET /v1/download/<job_id>: Ruft die abgeschlossene Transkription im angeforderten Ausgabeformat ab.
  • Optionaler Parameter: output (json, timecode_txt, txt, vtt, srt).
• OPTIONS /v1/download/<job_id>: Ruft die verfügbaren Optionen für die Download-Route ab.
• GET /v1/jobs/<job_id>: Ruft den Status und die Metadaten des angegebenen Auftrags ab.
• GET /v1/queue: Ruft die aktuelle Länge der Warteschlange ab.

Webhook-Integration

WAAS unterstützt Webhook-Benachrichtigungen. Nach erfolgreicher oder fehlgeschlagener Transkription wird eine POST-Anfrage an die konfigurierte Webhook-URL mit einer JSON-Payload und einem X-WAAS-Signature-Header zur Inhaltsüberprüfung gesendet.

Für wen ist WAAS?

• Forscher, die Interviews oder Vorlesungen transkribieren müssen.
• Journalisten, die mit Audio- oder Videoinhalten arbeiten.
• Entwickler, die Transkriptionsdienste in ihre Anwendungen integrieren.
• Jeder, der schnell und genau Audio- oder Videodateien transkribieren muss.

Installation

Um WAAS zu installieren und auszuführen, führen Sie die folgenden Schritte aus:

1. Klonen Sie das Repository.
2. Erstellen Sie eine virtuelle Umgebung.
3. Installieren Sie die erforderlichen Python-Pakete mit pip install -r requirements.txt.
4. Konfigurieren Sie Umgebungsvariablen wie BASE_URL, EMAIL_SENDER_ADDRESS, EMAIL_SENDER_PASSWORD und EMAIL_SENDER_HOST.
5. Führen Sie die Einrichtung mit Docker Compose aus.

Ausführen mit Docker Compose

1. Erstellen Sie eine .envrc-Datei mit den erforderlichen Umgebungsvariablen.
2. Fügen Sie eine allowed_webhooks.json-Datei hinzu (wenn Sie Webhooks verwenden) mit gültigen Webhook-URLs und -Token.
3. Führen Sie docker-compose --env-file .envrc up aus.

Verwenden von NVIDIA CUDA

So aktivieren Sie die GPU-Beschleunigung mit NVIDIA CUDA:

1. Installieren Sie NVIDIA Docker.
2. Bearbeiten Sie die Datei docker-compose.yml, um die Dockerfile.gpu zu verwenden und die Gerätereservierung zu entfernen (Uncomment).
3. Führen Sie docker-compose --env-file .envrc up aus.

Warum WAAS wählen?

WAAS bietet eine benutzerfreundliche Oberfläche und API zur Nutzung des Whisper-Modells von OpenAI. Seine Funktionen wie E-Mail-Benachrichtigungen, mehrere Ausgabeformate und die lokale browserbasierte Bearbeitung machen es zu einer bequemen und effizienten Lösung für Audio- und Video-Transkriptionsbedürfnisse. Die Flexibilität, es lokal auszuführen oder über die API in bestehende Systeme zu integrieren, macht es zu einem vielseitigen Werkzeug für verschiedene Anwendungsfälle.

Zusammenfassend ist WAAS ein wertvolles Werkzeug für alle, die Audio- oder Videoinhalte schnell und genau transkribieren möchten. Seine Open-Source-Natur und Benutzerfreundlichkeit machen es zu einer ausgezeichneten Wahl für den persönlichen und professionellen Gebrauch.