Whisper Local API

Una implementación local de la API de Whisper para transcripción de audio usando FastAPI.

Características

• Transcripción de audio usando el modelo Whisper de OpenAI
• Soporte para múltiples idiomas con detección automática
• Preprocesamiento de audio para mejorar la calidad de transcripción
• API RESTful con autenticación por token
• Soporte para Windows y Linux

Requisitos

• Python 3.8 o superior
• FFmpeg (requerido para procesar archivos de audio)
• Torch (CPU o GPU)
• 2GB de espacio en disco para los modelos

Instalación

Windows

1. Instalar Python 3.8 o superior desde python.org

2. Instalar FFmpeg:

   • Descargar FFmpeg desde ffmpeg.org
   • Extraer el archivo zip
   • Agregar la carpeta bin al PATH del sistema

3. Clonar el repositorio:

   git clone https://github.com/tu-usuario/whisper-local.git
   cd whisper-local

4. Ejecutar el script de configuración:

   setup.bat

Linux

1. Instalar dependencias del sistema:

   sudo apt update
   sudo apt install python3-pip python3-venv ffmpeg

2. Clonar el repositorio y configurar:

   git clone https://github.com/tu-usuario/whisper-local.git
   cd whisper-local
   ./setup.sh

Configuración

1. Copiar .env.example a .env:

   cp .env.example .env

2. Editar .env con tus configuraciones:

   API_KEY=tu-api-key
   HOST=0.0.0.0
   PORT=8000
   WHISPER_MODEL=small  # opciones: tiny, base, small, medium, large
   

Uso

1. Iniciar el servidor:

   python api_server.py

2. Hacer una petición de transcripción:

   curl -X POST "http://localhost:8000/transcribe/" \
        -H "Authorization: Bearer tu-api-key" \
        -H "accept: application/json" \
        -H "Content-Type: multipart/form-data" \
        -F "file=@tu-archivo.wav" \
        -F "language=es"  # opcional

Modelos Disponibles

• tiny: Más rápido, menos preciso (~1GB RAM)
• base: Balance entre velocidad y precisión (~1GB RAM)
• small: Mejor precisión, más lento (~2GB RAM)
• medium: Alta precisión, muy lento (~5GB RAM)
• large: Máxima precisión, extremadamente lento (~10GB RAM)

Solución de Problemas

Windows

1. Error "FFmpeg not found":

   • Verificar que FFmpeg está en el PATH
   • Reiniciar la terminal después de agregar FFmpeg al PATH

2. Error de CUDA:

   • Por defecto se usa CPU
   • Para GPU, instalar CUDA Toolkit y cuDNN
   • Actualizar torch con soporte CUDA: pip install torch --index-url https://download.pytorch.org/whl/cu118

3. Error de tipos de datos:

   • Asegurarse de tener instalado scipy: pip install scipy
   • Los archivos de audio deben estar en formato WAV o MP3

Linux

1. Error de permisos FFmpeg:

   sudo chmod +x /usr/bin/ffmpeg

2. Error de memoria:

   • Usar un modelo más pequeño en .env
   • Cerrar aplicaciones innecesarias

Notas de Desarrollo

• El preprocesamiento de audio incluye:

  • Normalización de amplitud
  • Filtrado de frecuencias para voz (300-3000 Hz)
  • Reducción de ruido básica

• Parámetros de transcripción optimizados:

  • temperature=0: Más determinístico
  • best_of=5: Mejores resultados
  • beam_size=5: Mejor decodificación
  • condition_on_previous_text=True: Usa contexto

Contribuir

1. Fork el repositorio
2. Crear una rama para tu feature
3. Commit tus cambios
4. Push a la rama
5. Crear un Pull Request

Licencia

MIT