Whisper Server 本地语音转文字服务器 - 完整安装与使用指南

本地部署的语音转文字服务器，提供 OpenAI Whisper API 兼容接口，无需联网，保护隐私！

📖 前言

在 AI 时代，语音转文字已经成为非常常见的需求。OpenAI 的 Whisper 模型是目前最强大的开源语音识别模型之一，但使用云端 API 存在以下问题：

  1. 隐私问题 - 音频数据需要上传到云端
  2. 费用问题 - 按使用量收费，长期使用成本高
  3. 网络依赖 - 需要稳定的网络连接
  4. 速度限制 - 受网络带宽和 API 限流影响

Whisper Server 正是为了解决这些问题而生！它将 Whisper 模型部署在本地，提供与 OpenAI API 完全兼容的接口，让你可以：

  • 🔒 数据不出本机，完全保护隐私
  • 💰 一次部署，永久免费使用
  • ⚡ 本地推理，无网络延迟
  • 🔧 灵活配置，按需选择模型

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

🎯 功能特性

功能 说明
🎤 语音转文字 基于 OpenAI Whisper 模型，支持中文、英文等多种语言
⚡ 高性能推理 使用 faster-whisper 加速，CPU 模式下也能快速转录
� API 兼容 提供与 OpenAI Whisper API 兼容的 HTTP 接口
🎨 现代化界面 深色主题，实时日志显示，状态监控
� 灵活管配置 支持 tiny/base/small/medium/large-v3 多种模型
� 请求统计
💾 日志管理 支持日志保存和清空
🚀 开机自启 支持开机自动启动服务

📦 安装步骤

第一步：下载安装程序

下载本文提供的 Whisper Server Setup 1.0.0.exe 安装程序。

第二步：安装软件

  1. 双击运行安装程序
  2. 按提示完成安装
  3. 安装完成后，桌面会出现 “Whisper Server” 快捷方式

第三步：配置 Python 环境

Whisper Server 的核心转录功能依赖 Python 环境，请按以下步骤配置：

1. 安装 Python
  1. 访问 Python 官网 下载 Python 3.8 或更高版本
  2. 安装时 务必勾选 “Add Python to PATH”
  3. 安装完成后，打开命令提示符验证：
python --version
# 应显示 Python 3.8.x 或更高版本
2. 安装依赖包

打开命令提示符（CMD），执行：

pip install faster-whisper flask opencc-python-reimplemented

依赖说明：

  • faster-whisper - Whisper 模型的高性能实现
  • flask - Web 服务框架
  • opencc-python-reimplemented - 繁简转换（可选）
3. 首次下载模型

首次启动服务时，会自动下载 Whisper 模型。模型文件较大，请确保网络通畅：

模型 大小 下载时间（参考）
tiny ~75MB 1-2 分钟
base ~150MB 2-3 分钟
small ~500MB 5-10 分钟
medium ~1.5GB 15-30 分钟
large-v3 ~3GB 30-60 分钟

模型文件缓存在 C:\Users\你的用户名\.cache\huggingface\ 目录，下载一次后无需重复下载。

国内用户加速下载：在命令提示符中执行后再启动软件：

set HF_ENDPOINT=https://hf-mirror.com

🚀 使用指南

启动服务

  1. 打开 Whisper Server 应用
  2. 选择模型（推荐 small，平衡速度和准确度）
  3. 设置端口（默认 8000）
  4. 点击 “启动服务” 按钮
  5. 等待模型加载完成，看到 “服务已启动” 提示即可

界面说明

在这里插入图片描述

┌─────────────────────────────────────────────┐
│  Whisper Server                        [─][□][×]
├─────────────────────────────────────────────┤
│  模型: [small ▼]    端口: [8000]            │
│  ☑ 中文数字转换    ☐ 开机自启               │
│                                             │
│  [启动服务]  [停止服务]                      │
├─────────────────────────────────────────────┤
│  状态: ● 运行中    请求数: 42               │
├─────────────────────────────────────────────┤
│  日志:                                      │
│  [10:30:15] 服务已启动: http://127.0.0.1:8000│
│  [10:30:20] 收到请求: audio.webm            │
│  [10:30:25] 转录完成: 你好世界...            │
│                                             │
│  [保存日志]  [清空日志]                      │
└─────────────────────────────────────────────┘

� API 接口文档

语音转文字接口

请求地址：

POST http://127.0.0.1:8000/v1/audio/transcriptions

请求格式： multipart/form-data

请求参数：

参数 类型 必填 说明
file File 是 音频文件（支持 mp3, wav, webm, m4a, ogg）
language String 否 语言代码，默认 zh（中文）

响应示例：

{
  "text": "识别出的文字内容",
  "language": "zh",
  "duration": 3.5
}

错误响应：

{
  "error": {
    "message": "错误信息"
  }
}

健康检查接口

请求地址：

GET http://127.0.0.1:8000/health

响应示例：

{
  "status": "ok",
  "model": "small",
  "requests": 42
}

🔗 如何连接 Whisper Server

连接原理

Whisper Server 启动后会在本地开启一个 HTTP 服务，默认地址是：

http://127.0.0.1:8000

你的应用程序只需要向这个地址发送 HTTP 请求即可完成语音转文字。

连接流程图

┌─────────────────┐     HTTP POST      ┌─────────────────┐
│   你的应用程序   │ ───────────────────▶ │  Whisper Server │
│  (客户端)       │     音频文件        │  (本地服务)      │
│                 │ ◀─────────────────── │                 │
│                 │     JSON 结果       │  127.0.0.1:8000 │
└─────────────────┘                     └─────────────────┘

连接步骤

  1. 启动 Whisper Server，确保服务状态为"运行中"
  2. 记住服务地址（默认 http://127.0.0.1:8000）
  3. 在你的应用中发送 POST 请求到 /v1/audio/transcriptions
  4. 接收 JSON 格式的转录结果

连接配置参数

如果你的应用需要配置 Whisper 服务地址，通常需要填写：

配置项 值 说明
API 地址 http://127.0.0.1:8000 本地服务地址
API 端点 /v1/audio/transcriptions 转录接口路径
API Key 留空或任意值 本地服务不需要认证

💻 完整调用案例

案例1：cURL 命令行测试

最简单的测试方式，打开命令提示符：

# Windows CMD
curl -X POST http://127.0.0.1:8000/v1/audio/transcriptions -F "file=@C:\Users\你的用户名\Desktop\test.mp3" -F "language=zh"

# Windows PowerShell
curl.exe -X POST http://127.0.0.1:8000/v1/audio/transcriptions -F "file=@C:\Users\你的用户名\Desktop\test.mp3" -F "language=zh"

返回结果：

{"text": "你好，这是一段测试音频", "language": "zh", "duration": 3.5}

案例2：Python 完整示例

"""
Whisper Server Python 调用示例
确保已安装: pip install requests
"""
import requests
import os

class WhisperClient:
    """Whisper Server 客户端"""
    
    def __init__(self, base_url="http://127.0.0.1:8000"):
        self.base_url = base_url
        self.transcribe_url = f"{base_url}/v1/audio/transcriptions"
        self.health_url = f"{base_url}/health"
    
    def check_health(self):
        """检查服务是否正常运行"""
        try:
            response = requests.get(self.health_url, timeout=5)
            if response.status_code == 200:
                data = response.json()
                print(f"✅ 服务正常 - 模型: {data['model']}, 已处理: {data['requests']} 个请求")
                return True
        except requests.exceptions.ConnectionError:
            print("❌ 无法连接到 Whisper Server，请确保服务已启动")
        except Exception as e:
            print(f"❌ 连接错误: {e}")
        return False
    
    def transcribe(self, audio_path, language="zh"):
        """
        转录音频文件
        
        参数:
            audio_path: 音频文件路径
            language: 语言代码 (zh=中文, en=英文, ja=日语 等)
        
        返回:
            dict: {"text": "转录文字", "language": "zh", "duration": 3.5}
        """
        if not os.path.exists(audio_path):
            raise FileNotFoundError(f"音频文件不存在: {audio_path}")
        
        with open(audio_path, "rb") as f:
            files = {"file": (os.path.basename(audio_path), f)}
            data = {"language": language}
            
            print(f"📤 正在上传: {audio_path}")
            response = requests.post(self.transcribe_url, files=files, data=data)
        
        if response.status_code == 200:
            result = response.json()
            print(f"✅ 转录成功!")
            print(f"   文字: {result['text']}")
            print(f"   时长: {result['duration']:.1f}秒")
            return result
        else:
            error = response.json().get("error", {}).get("message", "未知错误")
            raise Exception(f"转录失败: {error}")


# ========== 使用示例 ==========

if __name__ == "__main__":
    # 创建客户端
    client = WhisperClient("http://127.0.0.1:8000")
    
    # 1. 检查服务状态
    if not client.check_health():
        print("请先启动 Whisper Server!")
        exit(1)
    
    # 2. 转录音频文件
    try:
        result = client.transcribe("test.mp3", language="zh")
        print(f"\n最终结果: {result['text']}")
    except FileNotFoundError as e:
        print(f"文件错误: {e}")
    except Exception as e:
        print(f"转录错误: {e}")

运行结果：

✅ 服务正常 - 模型: small, 已处理: 5 个请求
📤 正在上传: test.mp3
✅ 转录成功!
   文字: 你好，欢迎使用语音转文字服务
   时长: 3.2秒

最终结果: 你好，欢迎使用语音转文字服务

案例3：Python 批量转录

"""批量转录文件夹中的所有音频"""
import os
import requests

def batch_transcribe(folder_path, output_file="transcripts.txt"):
    """批量转录文件夹中的音频文件"""
    url = "http://127.0.0.1:8000/v1/audio/transcriptions"
    
    # 支持的音频格式
    audio_extensions = {'.mp3', '.wav', '.webm', '.m4a', '.ogg', '.flac'}
    
    # 获取所有音频文件
    audio_files = [
        f for f in os.listdir(folder_path)
        if os.path.splitext(f)[1].lower() in audio_extensions
    ]
    
    print(f"找到 {len(audio_files)} 个音频文件")
    
    results = []
    for i, filename in enumerate(audio_files, 1):
        filepath = os.path.join(folder_path, filename)
        print(f"\n[{i}/{len(audio_files)}] 处理: {filename}")
        
        try:
            with open(filepath, "rb") as f:
                response = requests.post(url, files={"file": f}, data={"language": "zh"})
            
            if response.status_code == 200:
                text = response.json()["text"]
                results.append(f"【{filename}】\n{text}\n")
                print(f"✅ 完成: {text[:50]}...")
            else:
                results.append(f"【{filename}】\n转录失败\n")
        except Exception as e:
            results.append(f"【{filename}】\n错误: {e}\n")
    
    # 保存结果
    with open(output_file, "w", encoding="utf-8") as f:
        f.write("\n".join(results))
    
    print(f"\n✅ 完成! 结果已保存到: {output_file}")

# 使用示例
batch_transcribe("D:/音频文件夹", "转录结果.txt")

案例4：JavaScript/Node.js 示例

/**
 * Whisper Server Node.js 调用示例
 * 安装依赖: npm install axios form-data
 */
const axios = require('axios');
const FormData = require('form-data');
const fs = require('fs');

const WHISPER_URL = 'http://127.0.0.1:8000';

// 检查服务状态
async function checkHealth() {
  try {
    const response = await axios.get(`${WHISPER_URL}/health`);
    console.log(`✅ 服务正常 - 模型: ${response.data.model}`);
    return true;
  } catch (error) {
    console.log('❌ 无法连接到 Whisper Server');
    return false;
  }
}

// 转录音频文件
async function transcribe(audioPath, language = 'zh') {
  const form = new FormData();
  form.append('file', fs.createReadStream(audioPath));
  form.append('language', language);

  const response = await axios.post(
    `${WHISPER_URL}/v1/audio/transcriptions`,
    form,
    { headers: form.getHeaders() }
  );

  return response.data;
}

// 使用示例
async function main() {
  if (!await checkHealth()) {
    console.log('请先启动 Whisper Server!');
    return;
  }

  const result = await transcribe('test.mp3', 'zh');
  console.log('转录结果:', result.text);
}

main();

案例5：浏览器录音并转录（HTML 完整示例）

<!DOCTYPE html>
<html>
<head>
  <meta charset="UTF-8">
  <title>语音转文字 Demo</title>
  <style>
    body { font-family: Arial; max-width: 600px; margin: 50px auto; padding: 20px; }
    button { padding: 15px 30px; font-size: 16px; margin: 10px; cursor: pointer; }
    #result { margin-top: 20px; padding: 20px; background: #f5f5f5; border-radius: 8px; min-height: 100px; }
    .recording { background: #ff4444 !important; color: white; }
    #status { color: #666; margin: 10px 0; }
  </style>
</head>
<body>
  <h1>🎤 语音转文字 Demo</h1>
  <p>连接到: <code>http://127.0.0.1:8000</code></p>
  
  <div>
    <button id="recordBtn" onclick="toggleRecording()">开始录音</button>
    <button onclick="checkServer()">检查服务</button>
  </div>
  
  <div id="status">点击"开始录音"按钮</div>
  <div id="result">转录结果将显示在这里...</div>

  <script>
    const WHISPER_URL = 'http://127.0.0.1:8000';
    let mediaRecorder = null;
    let audioChunks = [];
    let isRecording = false;

    // 检查服务状态
    async function checkServer() {
      try {
        const response = await fetch(`${WHISPER_URL}/health`);
        const data = await response.json();
        alert(`✅ 服务正常!\n模型: ${data.model}\n已处理: ${data.requests} 个请求`);
      } catch (error) {
        alert('❌ 无法连接到 Whisper Server\n请确保服务已启动');
      }
    }

    // 切换录音状态
    async function toggleRecording() {
      if (isRecording) {
        stopRecording();
      } else {
        await startRecording();
      }
    }

    // 开始录音
    async function startRecording() {
      try {
        const stream = await navigator.mediaDevices.getUserMedia({ audio: true });
        mediaRecorder = new MediaRecorder(stream, { mimeType: 'audio/webm' });
        audioChunks = [];

        mediaRecorder.ondataavailable = (event) => {
          if (event.data.size > 0) audioChunks.push(event.data);
        };

        mediaRecorder.onstop = async () => {
          stream.getTracks().forEach(track => track.stop());
          await transcribeRecording();
        };

        mediaRecorder.start();
        isRecording = true;
        
        document.getElementById('recordBtn').textContent = '停止录音';
        document.getElementById('recordBtn').classList.add('recording');
        document.getElementById('status').textContent = '🔴 录音中...';
      } catch (error) {
        alert('无法访问麦克风: ' + error.message);
      }
    }

    // 停止录音
    function stopRecording() {
      if (mediaRecorder && isRecording) {
        mediaRecorder.stop();
        isRecording = false;
        
        document.getElementById('recordBtn').textContent = '开始录音';
        document.getElementById('recordBtn').classList.remove('recording');
        document.getElementById('status').textContent = '⏳ 正在转录...';
      }
    }

    // 发送到 Whisper Server 转录
    async function transcribeRecording() {
      const audioBlob = new Blob(audioChunks, { type: 'audio/webm' });
      
      const formData = new FormData();
      formData.append('file', audioBlob, 'recording.webm');
      formData.append('language', 'zh');

      try {
        const response = await fetch(`${WHISPER_URL}/v1/audio/transcriptions`, {
          method: 'POST',
          body: formData
        });

        const result = await response.json();
        
        document.getElementById('status').textContent = `✅ 转录完成 (${result.duration.toFixed(1)}秒)`;
        document.getElementById('result').innerHTML = `<strong>识别结果:</strong><br>${result.text || '(无内容)'}`;
      } catch (error) {
        document.getElementById('status').textContent = '❌ 转录失败';
        document.getElementById('result').textContent = '错误: ' + error.message;
      }
    }
  </script>
</body>
</html>

使用方法：

  1. 保存为 demo.html
  2. 启动 Whisper Server
  3. 用浏览器打开 demo.html
  4. 点击"开始录音"说话，再点击"停止录音"
  5. 等待转录结果

案例6：替代 OpenAI 官方 SDK

如果你的项目已经在使用 OpenAI 官方 SDK，只需修改 base_url 即可无缝切换：

"""使用 OpenAI 官方 SDK 连接本地 Whisper Server"""
from openai import OpenAI

# 创建客户端，指向本地服务
client = OpenAI(
    api_key="not-needed",  # 本地服务不需要 API Key，但参数必填
    base_url="http://127.0.0.1:8000/v1"  # 指向本地 Whisper Server
)

# 转录音频（与官方 API 用法完全一致）
with open("audio.mp3", "rb") as audio_file:
    transcript = client.audio.transcriptions.create(
        model="whisper-1",  # 本地服务会忽略此参数
        file=audio_file,
        language="zh"
    )

print(transcript.text)

切换对比：

# ❌ 原来使用 OpenAI 云服务（需要付费）
client = OpenAI(api_key="sk-xxxxxxxx")

# ✅ 改为使用本地 Whisper Server（免费）
client = OpenAI(
    api_key="not-needed",
    base_url="http://127.0.0.1:8000/v1"
)

# 后续代码完全不用改！

案例7：C# / .NET 示例

using System;
using System.IO;
using System.Net.Http;
using System.Text.Json;
using System.Threading.Tasks;

public class WhisperClient
{
    private readonly HttpClient _httpClient;
    private readonly string _baseUrl;

    public WhisperClient(string baseUrl = "http://127.0.0.1:8000")
    {
        _baseUrl = baseUrl;
        _httpClient = new HttpClient { Timeout = TimeSpan.FromMinutes(5) };
    }

    public async Task<string> TranscribeAsync(string filePath, string language = "zh")
    {
        using var content = new MultipartFormDataContent();
        
        var fileBytes = await File.ReadAllBytesAsync(filePath);
        content.Add(new ByteArrayContent(fileBytes), "file", Path.GetFileName(filePath));
        content.Add(new StringContent(language), "language");

        var response = await _httpClient.PostAsync(
            $"{_baseUrl}/v1/audio/transcriptions", content);

        var json = await response.Content.ReadAsStringAsync();
        var result = JsonSerializer.Deserialize<JsonElement>(json);
        
        return result.GetProperty("text").GetString();
    }
}

// 使用示例
var client = new WhisperClient();
var text = await client.TranscribeAsync("test.mp3");
Console.WriteLine($"转录结果: {text}");

案例8：Java 示例

import java.io.*;
import java.net.HttpURLConnection;
import java.net.URL;
import java.nio.file.Files;

public class WhisperClient {
    private final String baseUrl;

    public WhisperClient() {
        this.baseUrl = "http://127.0.0.1:8000";
    }

    public String transcribe(String filePath) throws Exception {
        File file = new File(filePath);
        String boundary = "----Boundary" + System.currentTimeMillis();

        URL url = new URL(baseUrl + "/v1/audio/transcriptions");
        HttpURLConnection conn = (HttpURLConnection) url.openConnection();
        conn.setRequestMethod("POST");
        conn.setDoOutput(true);
        conn.setRequestProperty("Content-Type", "multipart/form-data; boundary=" + boundary);

        try (OutputStream os = conn.getOutputStream();
             PrintWriter writer = new PrintWriter(new OutputStreamWriter(os, "UTF-8"), true)) {

            // 添加文件
            writer.append("--").append(boundary).append("\r\n");
            writer.append("Content-Disposition: form-data; name=\"file\"; filename=\"")
                  .append(file.getName()).append("\"\r\n");
            writer.append("Content-Type: application/octet-stream\r\n\r\n");
            writer.flush();
            Files.copy(file.toPath(), os);
            os.flush();
            writer.append("\r\n");

            // 添加语言参数
            writer.append("--").append(boundary).append("\r\n");
            writer.append("Content-Disposition: form-data; name=\"language\"\r\n\r\n");
            writer.append("zh").append("\r\n");
            writer.append("--").append(boundary).append("--\r\n");
        }

        // 读取响应
        try (BufferedReader reader = new BufferedReader(
                new InputStreamReader(conn.getInputStream(), "UTF-8"))) {
            StringBuilder response = new StringBuilder();
            String line;
            while ((line = reader.readLine()) != null) {
                response.append(line);
            }
            return response.toString();
        }
    }

    public static void main(String[] args) throws Exception {
        WhisperClient client = new WhisperClient();
        String result = client.transcribe("test.mp3");
        System.out.println("转录结果: " + result);
    }
}

📊 模型选择指南

模型 大小 速度 准确度 内存需求 推荐场景
tiny ~75MB ⚡⚡⚡⚡⚡ ★★☆☆☆ 1GB 快速测试、实时字幕
base ~150MB ⚡⚡⚡⚡ ★★★☆☆ 1GB 日常使用、短音频
small ~500MB ⚡⚡⚡ ★★★★☆ 2GB 推荐！平衡之选
medium ~1.5GB ⚡⚡ ★★★★★ 5GB 高质量需求
large-v3 ~3GB ⚡ ★★★★★ 10GB 专业场景、多语言

选择建议：

  • 🎯 一般用户：选择 small，准确度高，速度适中
  • ⚡ 追求速度：选择 tiny 或 base
  • 🎯 追求质量：选择 medium 或 large-v3
  • 💻 内存有限：选择 tiny 或 base

🌐 局域网访问配置

如果需要让局域网内其他设备访问 Whisper Server：

1. 开放防火墙端口

Windows 防火墙需要允许 8000 端口，以管理员身份运行 PowerShell：

netsh advfirewall firewall add rule name="Whisper Server" dir=in action=allow protocol=tcp localport=8000

2. 获取本机 IP

ipconfig
# 找到 IPv4 地址，如 192.168.1.100

3. 其他设备连接

# 其他设备使用服务器 IP 连接
client = WhisperClient("http://192.168.1.100:8000")

❓ 常见问题

Q1: 启动服务时提示 “Python 未安装”

解决方案：

  1. 确认已安装 Python 3.8+
  2. 确认安装时勾选了 “Add Python to PATH”
  3. 重启电脑后再试

Q2: 模型下载失败或很慢

解决方案：

  1. 检查网络连接
  2. 使用 HuggingFace 镜像（在 CMD 中执行后再启动软件）： 
    set HF_ENDPOINT=https://hf-mirror.com

Q3: 转录结果不准确

解决方案：

  1. 尝试使用更大的模型（如 medium）
  2. 确保音频质量清晰
  3. 减少背景噪音

Q4: 内存不足

解决方案：

  1. 使用更小的模型（如 tiny 或 base）
  2. 关闭其他占用内存的程序

Q5: 端口被占用

解决方案：

  1. 在软件中修改端口号（如改为 8001）
  2. 或查找并关闭占用端口的程序

Q6: pip 安装依赖失败

解决方案：
使用国内镜像源：

pip install faster-whisper flask -i https://pypi.tuna.tsinghua.edu.cn/simple

🔧 配置说明

配置文件位置

配置自动保存在：%APPDATA%\whisper-server\config.json

配置项说明

配置项 说明 默认值
model 模型名称 small
port 服务端口 8000
convertNum 中文数字转阿拉伯数字 true
autoStart 开机自启动 false
autoRun 启动时自动运行服务 false

📝 更新日志

v1.0.0

  • 🎉 首次发布
  • ✅ 支持 Whisper 语音转文字
  • ✅ 提供 OpenAI API 兼容接口
  • ✅ 现代化界面
  • ✅ 支持多种模型选择
  • ✅ 支持开机自启动

如有问题或建议，欢迎在评论区留言交流！👋

# 语音识别 # 服务器
Logo
2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

cover

腾讯元宝DeepSeek Module jdk.jcmd

avatar 2048 AI社区
cover

【AI课程领学】第九课 · 激活函数（课时1） Sigmoid：从“概率输出”到“梯度消失”的经典教材（含 Python 可运行代码）

avatar 2048 AI社区
cover

Nacos - 与 Sentinel 联动：打造微服务流量治理闭环

avatar 2048 AI社区