QuentinFuxa/WhisperLiveKit

O que é?

Recursos principais

• 01Transcrição em streaming com saída de texto parcial e estável via WebSocket.
• 02Diarização de falantes usando Sortformer ou Diart.
• 03Tradução simultânea por meio do NLLB ou de backends baseados em LLM.
• 04Endpoint de transcrição compatível com OpenAI e WebSocket compatível com Deepgram.
• 05Ferramentas de linha de comando para servir áudio ao vivo, transcrever arquivos, gerar legendas SRT e gerenciar modelos.
• 06Vários backends de ASR, incluindo opções para Apple Silicon com MLX e para GPUs NVIDIA.

Casos de uso

• Transcrição de reuniões em tempo real com identificação dos falantes.
• Ferramentas de acessibilidade que ajudam pessoas com deficiência auditiva a acompanhar conversas.
• Geração local de legendas para podcasts ou vídeos.
• Transcrição de chamadas de suporte ao cliente com identificação dos falantes.

Início rápido

1. 1

   Instale o pacote do PyPI

   pip install whisperlivekit
2. 2

   Inicie o servidor, abra http://localhost:8000 e fale

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

   Ou baixe um modelo automaticamente e inicie o servidor em uma única etapa

   wlk run whisper:tiny

Antes de usar

• !Alguns backends opcionais exigem hardware específico, como GPUs NVIDIA CUDA ou Apple Silicon.
• !Alguns extras pesados são incompatíveis entre si e precisam ser instalados em ambientes separados.
• !O modo causal do Qwen3-ASR está disponível apenas em inglês.

Tópicos

Perguntas frequentes

O que é WhisperLiveKit?

Servidor de speech-to-text auto-hospedado com ASR em streaming, diarização de falantes, tradução ao vivo e APIs compatíveis com OpenAI e Deepgram. WhisperLiveKit (WLK) é um pipeline de speech-to-text auto-hospedado, desenvolvido para transcrição com baixa latência. Em vez de executar o Whisper em blocos de áudio fixos, ele usa estratégias de streaming como AlignAtt SimulStreaming e LocalAgreement, com detecção de atividade de voz, para gerar texto parcial e estável enquanto a pessoa ainda está falando.

WhisperLiveKit é gratuito? Qual é a licença?

WhisperLiveKit é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.

WhisperLiveKit ainda é mantido?

Manutenção ativa. O último commit de WhisperLiveKit foi em 1 de out. de 2026.

Para que posso usar WhisperLiveKit?

Transcrição de reuniões em tempo real com identificação dos falantes. Ferramentas de acessibilidade que ajudam pessoas com deficiência auditiva a acompanhar conversas. Geração local de legendas para podcasts ou vídeos. Transcrição de chamadas de suporte ao cliente com identificação dos falantes.

Como instalar WhisperLiveKit?

Instale o pacote do PyPI: pip install whisperlivekit Inicie o servidor, abra http://localhost:8000 e fale: wlk --model base --language en Ou baixe um modelo automaticamente e inicie o servidor em uma única etapa: wlk run whisper:tiny

Onde consigo WhisperLiveKit?

O código-fonte e as instruções de instalação estão no GitHub: https://github.com/QuentinFuxa/WhisperLiveKit