Repolode
Enviar
QuentinFuxa

QuentinFuxa/WhisperLiveKit

Servidor de voz a texto en tiempo real y autoalojado, con ASR en streaming, diarización de hablantes, traducción en vivo y APIs compatibles con OpenAI y Deepgram.

Alternativa open source a:Otter.aiDeepgram

Ver en GitHub
Estrellas
11,155
Forks
1,149
Issues abiertos
17
Último commit
hace 19 días

¿Qué es?

WhisperLiveKit (WLK) es una canalización de voz a texto autoalojada, diseñada para transcribir con baja latencia. En lugar de ejecutar Whisper en bloques de audio fijos, utiliza políticas de streaming como AlignAtt SimulStreaming y LocalAgreement, junto con detección de actividad de voz, para emitir texto parcial y estable mientras la persona sigue hablando.

El paquete incluye una CLI con una interfaz web disponible a través de WebSocket en /asr, además de un endpoint REST compatible con OpenAI para transcribir archivos y un WebSocket compatible con Deepgram. También puede transcribir archivos directamente, generar subtítulos SRT y gestionar modelos. Entre los backends están Faster-Whisper, MLX Whisper para Apple Silicon, Voxtral, Qwen3-ASR, NVIDIA Canary y FunASR SenseVoiceSmall. Los componentes opcionales añaden diarización de hablantes (Sortformer o Diart) y traducción mediante NLLB o traducción basada en LLM.

El servidor gestiona varias conexiones simultáneas y el proyecto admite HTTPS, tokens de API, configuración de CORS y despliegue detrás de Nginx o Gunicorn. Se ofrecen imágenes de Docker para configuraciones con GPU y CPU.

Funciones clave

  • 01Transcripción en streaming con salida de texto parcial y estable a través de WebSocket.
  • 02Diarización de hablantes mediante Sortformer o Diart.
  • 03Traducción simultánea con NLLB o backends basados en LLM.
  • 04Endpoint de transcripción compatible con OpenAI y WebSocket compatible con Deepgram.
  • 05Herramientas de línea de comandos para servir audio en vivo, transcribir archivos, generar subtítulos SRT y gestionar modelos.
  • 06Varios backends de ASR, incluidas opciones para MLX en Apple Silicon y GPU NVIDIA.

Casos de uso

  • Transcripción de reuniones en tiempo real con identificación de hablantes.
  • Herramientas de accesibilidad que ayudan a las personas con discapacidad auditiva a seguir conversaciones.
  • Generación local de subtítulos para podcasts o videos.
  • Transcripción de llamadas de atención al cliente con identificación de hablantes.

Inicio rápido

  1. 1

    Instala el paquete desde PyPI

    pip install whisperlivekit
  2. 2

    Inicia el servidor, abre http://localhost:8000 y habla

    wlk --model base --language en
  3. 3

    O descarga un modelo automáticamente e inicia el servidor en un solo paso

    wlk run whisper:tiny

Antes de usarlo

  • Algunos backends opcionales requieren hardware específico, como GPU NVIDIA CUDA o Apple Silicon.
  • Algunos extras pesados son incompatibles entre sí y deben instalarse en entornos separados.
  • El modo causal de Qwen3-ASR solo está disponible en inglés.

Temas

#speech-to-text#whisper#real-time#speaker-diarization#streaming#translation#websocket#self-hosted#automatic-speech-recognition#fastapi

Preguntas frecuentes

¿Qué es WhisperLiveKit?
Servidor de voz a texto en tiempo real y autoalojado, con ASR en streaming, diarización de hablantes, traducción en vivo y APIs compatibles con OpenAI y Deepgram. WhisperLiveKit (WLK) es una canalización de voz a texto autoalojada, diseñada para transcribir con baja latencia. En lugar de ejecutar Whisper en bloques de audio fijos, utiliza políticas de streaming como AlignAtt SimulStreaming y LocalAgreement, junto con detección de actividad de voz, para emitir texto parcial y estable mientras la persona sigue hablando.
¿WhisperLiveKit es gratuito? ¿Qué licencia tiene?
WhisperLiveKit es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
¿WhisperLiveKit sigue mantenido?
Mantenimiento activo. El último commit de WhisperLiveKit fue el 1 oct 2026.
¿Para qué puedo usar WhisperLiveKit?
Transcripción de reuniones en tiempo real con identificación de hablantes. Herramientas de accesibilidad que ayudan a las personas con discapacidad auditiva a seguir conversaciones. Generación local de subtítulos para podcasts o videos. Transcripción de llamadas de atención al cliente con identificación de hablantes.
¿Cómo se instala WhisperLiveKit?
Instala el paquete desde PyPI: pip install whisperlivekit Inicia el servidor, abre http://localhost:8000 y habla: wlk --model base --language en O descarga un modelo automáticamente e inicia el servidor en un solo paso: wlk run whisper:tiny
¿Dónde consigo WhisperLiveKit?
El código fuente y las instrucciones de instalación están en GitHub: https://github.com/QuentinFuxa/WhisperLiveKit

Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.

Proyectos relacionados