WhisperFusion 基于 WhisperLive 和 WhisperSpeech 的功能而构建，在实时语音到文本管道之上集成了大型语言模型 Mistral (LLM)。
LLM 和 Whisper 都经过优化，可作为 TensorRT 引擎高效运行，从而最大限度地提高性能和实时处理能力。WhiperSpeech 是通过 torch.compile 进行优化的。
特征
实时语音转文本：利用 OpenAI WhisperLive 将口语实时转换为文本。
大型语言模型集成：添加大型语言模型 Mistral，以增强对转录文本的理解和上下文。
TensorRT 优化：LLM 和 Whisper 都经过优化，可作为 TensorRT 引擎运行，确保高性能和低延迟处理。
torch.compile：WhisperSpeech 使用 torch.compile 来加速推理，通过将 PyTorch 代码 JIT 编译到优化的内核中，使 PyTorch 代码运行得更快。
入门
我们提供了一个预构建的 TensorRT-LLM docker 容器，该容器将 Whisper 和 phi 转换为 TensorRT 引擎，并且预先下载 WhisperSpeech 模型以快速开始与 WhisperFusion 交互。
docker run --gpus all --shm-size 64G -p 6006:6006 -p 8888:8888 -it ghcr.io/collabora/whisperfusion:latest启动网页图形用户界面
cd examples/chatbot/htmlpython -m http.server
构建 Docker 镜像
我们提供 cuda-architecures 89 和 90 的 docker 映像。如果您有具有不同 cuda 架构的 GPU。例如使用 cuda-架构 86 为 RTX 3090 构建
bash build.sh 86-real这应该为 RTX 3090 构建 ghcr.io/collabora/whisperfusion:latest 。
项目链接
https://github.com/collabora/WhisperFusion