README_zh.md

本地部署音视频转录+总结

简体中文 / English

本项目基于开源项目 FunClip 进行修改，集成了自动语音识别 (ASR)、说话人分离、SRT 字幕编辑以及基于 LLM 的总结功能。项目使用 Gradio 提供了一个直观易用的用户界面。

---

更新: 添加了本地部署/Docker部署的GPU推理支持. Docker的GPU加速请查看这个

---

示例：服务器部署+私有LLM API

📜 致谢

本项目基于开源项目 FunClip（由 阿里巴巴达摩院 提供），在此基础上进行了功能修改，项目功能包含：

• ASR 总结功能：通过 LLM（如 OpenAI GPT、自定义 API）进行语音识别结果的总结。
• 动态 SRT 替换：支持通过映射规则替换字幕中的说话人标识。
• 轻量级部署：提供 Docker 镜像与 Python 本地部署支持。

---

🎯 功能介绍

1. 自动语音识别 (ASR)：

   • 支持视频和音频输入。
   • 输出文本内容及 SRT 字幕。

2. 说话人分离 (SD)：

   • 在多说话人音频/视频中识别不同说话人。

3. SRT 字幕编辑：

   • 支持自定义映射替换字幕中的说话人标识。

4. LLM 总结：

   • 使用 GPT 模型对 ASR 结果进行总结和提取关键信息。
   • 支持自定义 API 配置。

5. 灵活部署：

   • 提供 Docker 镜像，适用于生产环境。
   • 支持 Python 环境进行本地开发和测试。

---

🛠 运行环境

系统（两种部署方式）

• Docker：适用于容器化生产部署。
• Python 3.9+：适用于本地开发和测试。

依赖

项目依赖可参考 requirements.txt 文件。

---

🚀 项目部署

1. Docker 一键部署

通过 Docker Compose 部署

创建一个文件夹用于部署项目，在文件夹创建docker-compose.yml文件和.env文件（可选，参考.env.example）

docker-compose.yml 内容：

services:
  audio-processor:
    image: motorbottle/private-asr:latest  # 支持arm64和amd64
    container_name: private-asr
    ports:
      - "7860:7860"  # 端口映射
    volumes:
      - ./.env:/app/.env  # 映射 .env 文件
    working_dir: /app  # 设置工作目录
    restart: unless-stopped  # 确保服务异常退出时重启

命令行cd到文件所在目录，用以下指令启动部署，首次运行会下载识别模型，等待log中出现 WARNING:root:Initializing VideoClipper. 即可访问：

docker-compose up -d

Gradio 用户界面将在以下地址访问：
http://localhost:7860

默认账户motor，密码admin

---

2. Docker 手动创建部署

构建 Docker 镜像

使用以下命令构建 Docker 镜像：

docker build -t private-asr:latest .

通过 Docker Compose 部署

使用以下 docker-compose.yml 文件进行部署：

services:
  audio-processor:
    image: private-asr:latest  # 使用已构建的镜像
    container_name: private-asr
    ports:
      - "7860:7860"  # 端口映射
    volumes:
      - ./.env:/app/.env  # 仅映射 .env 文件
    working_dir: /app  # 设置工作目录
    restart: unless-stopped  # 确保服务异常退出时重启

启动部署：

docker-compose up -d

Gradio 用户界面将在以下地址访问：
http://localhost:7860

默认账户motor，密码admin

---

2. Python 本地部署

设置环境

1. 克隆仓库：

   git clone https://github.com/MotorBottle/Audio-Processor.git
   cd audio-processor

2. 安装依赖：

   python3 -m venv .venv
   source .venv/bin/activate
   pip install --no-cache-dir -r requirements.txt

3. 安装 FFmpeg（Linux 用户）：

   sudo apt-get update
   sudo apt-get install -y ffmpeg

   （Mac 用户使用 brew 安装）

   brew install ffmpeg

运行项目

使用以下命令启动 Gradio 服务：

python funclip/launch.py --listen

Gradio 用户界面将在以下地址访问：
http://localhost:7860

默认用户名：motor，密码：admin

---

⚙️ 环境变量配置

项目支持通过 .env 文件配置账户及 API 密钥等信息。

示例 .env 文件：

USERNAME=motor
PASSWORD=admin
OPENAI_API_KEY=your_openai_key
OPENAI_API_BASE=https://your-custom-api.com

---

🎥 使用方法

1. 上传音频或视频文件。
2. 执行 ASR 识别 或 说话人分离。
3. 使用映射规则替换 SRT 字幕中的说话人名称。
4. 使用 LLM 总结 功能对 ASR 结果进行总结，提取主题、要点和结论。

---

🔗 贡献与开源协议

本项目基于 MIT 协议 开源，欢迎提交贡献。

原项目 FunClip 地址：
FunClip on GitHub

---