python+Whisper+edge-tts库搭建免费可离线运行的语音识别与文字转语音合成http api服务
看了一下百度、讯飞、阿里等云服务器，语音识别和合成都是收费的，经济下行，还是自己搭建一个免费的语音识别与语音合成http api接口服务，配合阿里云的99元一年的云服务器不要太香了。
我们使用openai发布的 Whisper 进行语音识别，并结合微软的 edge-tts 实现文字转语音合成。这需要以下几个步骤：
安装必要的 Python 库，包括 Whisper 和 edge-tts，以及 Flask 作为 HTTP API 框架。
pip install flask openai-whisper edge-tts
Whisper 是 OpenAI 的一个语音识别模型，支持多语言的语音转文字功能。我们可以利用它的离线模型进行识别。
edge-tts 使用了微软的 Edge 浏览器的文字转语音技术，它支持多种语音和语言选择。该库也可以离线运行，适合本地化部署。
以下是示例代码，将语音文件（如 .wav 文件）上传后调用 Whisper 进行语音识别，并使用 edge-tts 进行文字转语音合成，最终返回合成后的音频文件。
from flask import Flask, request, jsonify, send_file
import whisper
import edge_tts
import asyncio
import os
app = Flask(__name__)
# 加载 Whisper 模型
model = whisper.load_model("base") # 使用 base 模型，你可以根据需求换成其他模型
# Whisper 语音识别功能
def transcribe_audio(audio_path):
result ...点击查看剩余70%
{{collectdata}}
网友评论0