Parakeet Stt

# Parakeet TDT (Speech-to-Text)

使用 NVIDIA Parakeet TDT 0.6B v3 和 ONNX Runtime 进行本地转录。 在 CPU 上运行 —— 无需 GPU。比实时速度快约 30 倍。

## 安装

```bash # Clone the repo git clone https://github.com/groxaxo/parakeet-tdt-0.6b-v3-fastapi-openai.git cd parakeet-tdt-0.6b-v3-fastapi-openai

# Run with Docker (recommended) docker compose up -d parakeet-cpu

# Or run directly with Python pip install -r requirements.txt uvicorn app.main:app --host 0.0.0.0 --port 5000 ```

默认端口为 `5000`。设置 `PARAKEET_URL` 以进行覆盖（例如，`http://localhost:5092`）。

## API 端点

位于 `$PARAKEET_URL` 的 OpenAI 兼容 API（默认：`http://localhost:5000`）。

## 快速开始

```bash # Transcribe audio file (plain text) curl -X POST $PARAKEET_URL/v1/audio/transcriptions \ -F "file=@/path/to/audio.mp3" \ -F "response_format=text"

# Get timestamps and segments curl -X POST $PARAKEET_URL/v1/audio/transcriptions \ -F "file=@/path/to/audio.mp3" \ -F "response_format=verbose_json"

# Generate subtitles (SRT) curl -X POST $PARAKEET_URL/v1/audio/transcriptions \ -F "file=@/path/to/audio.mp3" \ -F "response_format=srt" ```

## Python / OpenAI SDK

```python import os from openai import OpenAI

client = OpenAI( base_url=os.getenv("PARAKEET_URL", "http://localhost:5000") + "/v1", api_key="not-needed" )

with open("audio.mp3", "rb") as f: transcript = client.audio.transcriptions.create( model="parakeet-tdt-0.6b-v3", file=f, response_format="text" ) print(transcript) ```

## 响应格式

| 格式 | 输出 | |--------|--------| | `text` | 纯文本 | | `json` | `{"text": "..."}` | | `verbose_json` | 带时间戳和单词的片段 | | `srt` | SRT 字幕 | | `vtt` | WebVTT 字幕 |

## 支持的语言 (25 种)

英语、西班牙语、法语、德语、意大利语、葡萄牙语、波兰语、俄语、 乌克兰语、荷兰语、瑞典语、丹麦语、芬兰语、挪威语、希腊语、捷克语、 罗马尼亚语、匈牙利语、保加利亚语、斯洛伐克语、克罗地亚语、立陶宛语、拉脱维亚语、 爱沙尼亚语、斯洛文尼亚语

语言会自动检测 —— 无需配置。

## Web 界面

在浏览器中打开 `$PARAKEET_URL` 即可使用拖拽式转录 UI。

## Docker 管理

```bash # Check status docker ps --filter "name=parakeet"

# View logs docker logs -f <container-name>

# Restart docker compose restart

# Stop docker compose down ```

## 为什么选择 Parakeet 而不是 Whisper？

- **速度**：CPU 上比实时快约 30 倍 - **准确率**：与 Whisper large-v3 相当 - **隐私**：100% 本地运行，无云端调用 - **兼容性**：可直接替代 OpenAI 的转录 API