[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-saharmor--whisper-playground":3,"tool-saharmor--whisper-playground":64},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",138956,2,"2026-04-05T11:33:21",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,26,54],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":70,"readme_en":71,"readme_zh":72,"quickstart_zh":73,"use_case_zh":74,"hero_image_url":75,"owner_login":76,"owner_name":77,"owner_avatar_url":78,"owner_bio":79,"owner_company":80,"owner_location":81,"owner_email":80,"owner_twitter":82,"owner_website":83,"owner_url":84,"languages":85,"stars":106,"forks":107,"last_commit_at":108,"license":109,"difficulty_score":110,"env_os":111,"env_gpu":112,"env_ram":113,"env_deps":114,"category_tags":125,"github_topics":126,"view_count":23,"oss_zip_url":80,"oss_zip_packed_at":80,"status":16,"created_at":132,"updated_at":133,"faqs":134,"releases":164},2243,"saharmor\u002Fwhisper-playground","whisper-playground","Build real time speech2text web apps using OpenAI's Whisper https:\u002F\u002Fopenai.com\u002Fblog\u002Fwhisper\u002F","Whisper Playground 是一个帮助开发者快速构建实时语音转文字（Speech-to-Text）网页应用的开源项目。它基于 OpenAI 强大的 Whisper 模型，旨在解决传统语音识别开发中环境配置复杂、实时性差以及难以区分说话人的痛点，让用户能轻松实现支持 99 种语言的即时转录功能。\n\n该项目特别适合前端工程师、AI 应用开发者以及希望快速验证语音交互原型的科研人员使用。通过整合 faster-whisper、Diart 和 Pyannote 等先进库，Whisper Playground 不仅大幅提升了转录速度，还具备了精准的“说话人日记”（Speaker Diarization）能力，即能自动识别并区分不同发言者。\n\n在技术实现上，它提供了灵活的后端与 React 前端架构，支持从\"tiny\"到\"large-v2\"多种模型尺寸的自由切换。用户可根据需求选择“实时模式”进行低延迟对话转录，或选择“顺序模式”以获取更准确的长文本上下文分析。无论是制作会议记录工具、实时字幕系统还是多语言语音助手，Whisper Playground 都提供了一套开箱即用的高效解决方案","Whisper Playground 是一个帮助开发者快速构建实时语音转文字（Speech-to-Text）网页应用的开源项目。它基于 OpenAI 强大的 Whisper 模型，旨在解决传统语音识别开发中环境配置复杂、实时性差以及难以区分说话人的痛点，让用户能轻松实现支持 99 种语言的即时转录功能。\n\n该项目特别适合前端工程师、AI 应用开发者以及希望快速验证语音交互原型的科研人员使用。通过整合 faster-whisper、Diart 和 Pyannote 等先进库，Whisper Playground 不仅大幅提升了转录速度，还具备了精准的“说话人日记”（Speaker Diarization）能力，即能自动识别并区分不同发言者。\n\n在技术实现上，它提供了灵活的后端与 React 前端架构，支持从\"tiny\"到\"large-v2\"多种模型尺寸的自由切换。用户可根据需求选择“实时模式”进行低延迟对话转录，或选择“顺序模式”以获取更准确的长文本上下文分析。无论是制作会议记录工具、实时字幕系统还是多语言语音助手，Whisper Playground 都提供了一套开箱即用的高效解决方案，让复杂的语音 AI 应用开发变得简单可控。","\u003Cdiv align=\"center\">\n  \u003Cimg width=\"60px\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fsaharmor_whisper-playground_readme_b13d3e0798ff.png\" alt=\"giant microphone\"\u002F>   \n \u003Cbr\u002F>\n  \u003Ch2 align=\"center\">Whisper Playground\u003C\u002Fh2>\n  \u003Ch6 align=\"center\">Instantly build real-time speech2text apps in 99 languages using faster-whisper, Diart, and Pyannote\u003C\u002Fh6>\n  \u003Ch6 align=\"center\">\u003Ca href=\"https:\u002F\u002Fwhisperui.monsterapi.ai\">Try it via the online demo\u003C\u002Fa>\u003C\u002Fh6>\n\n  \u003Cp>\n\u003Ca href=\"https:\u002F\u002Fhits.sh\u002Fgithub.com\u002Fsaharmor\u002Fwhisper-playground\u002F\" target=\"_blank\">\u003Cimg src=\"https:\u002F\u002Fhits.sh\u002Fgithub.com\u002Fsaharmor\u002Fwhisper-playground.svg?style=plastic&label=visitors&extraCount=55288\" alt=\"visitors\">\u003C\u002Fa>\n    \u003Ca href=\"https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Fsahar-mor\u002F\" target=\"_blank\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FLinkedIn-Connect-blue\" alt=\"LinkedIn\">\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fx.com\u002Ftheaievangelist\" target=\"_blank\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Ftwitter\u002Ffollow\u002F:theaievangelist\" alt=\"X\">\u003C\u002Fa>\n\u003Ca href=\"http:\u002F\u002Faitidbits.ai\u002F\" target=\"_blank\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fsaharmor_whisper-playground_readme_dce87b1452e0.png\" alt=\"Stay updated on AI\" width=\"20\" height=\"20\" style=\"vertical-align: middle;\"> Stay updated on AI\u003C\u002Fa>\n\n\u003C\u002Fp>\n\n\u003C\u002Fdiv>\n\n\n\nhttps:\u002F\u002Fgithub.com\u002Fethanzrd\u002Fwhisper-playground\u002Fassets\u002F79014814\u002F44a9bcf0-e374-4c71-8189-1d99824fbdc5\n\n# Setup\n1. Have [`Conda`](https:\u002F\u002Fdocs.conda.io\u002Fprojects\u002Fconda\u002Fen\u002Flatest\u002Fuser-guide\u002Finstall\u002Findex.html) and [`Yarn`](https:\u002F\u002Fclassic.yarnpkg.com\u002Flang\u002Fen\u002Fdocs\u002Finstall\u002F#mac-stable) on your device \n2. Clone or fork this repository\n3. Install the backend and frontend environment `sh install_playground.sh`\n4. Review config.py to make sure the transcription device and compute type match your setup. Review config.js to make sure it conforms to the backend config and that the backend address is correct.\n5. Run the backend `cd backend && python server.py`\n6. In a different terminal, run the React frontend `cd interface && yarn start`\n\n### Access to Pyannote Models\n\nThis repository uses libraries based on pyannote.audio models, which are stored in the Hugging Face Hub. You must accept their terms of use before using them.\nNote: You need to have a Hugging Face account to use pyannote\n\n1. Accept terms for the [`pyannote\u002Fsegmentation`](https:\u002F\u002Fhuggingface.co\u002Fpyannote\u002Fsegmentation) model\n2. Accept terms for the [`pyannote\u002Fembedding`](https:\u002F\u002Fhuggingface.co\u002Fpyannote\u002Fembedding) model\n3. Accept terms for the [`pyannote\u002Fspeaker-diarization`](https:\u002F\u002Fhuggingface.co\u002Fpyannote\u002Fspeaker-diarization) model\n4. Install [huggingface-cli](https:\u002F\u002Fhuggingface.co\u002Fdocs\u002Fhuggingface_hub\u002Fquick-start#install-the-hub-library) and [log in](https:\u002F\u002Fhuggingface.co\u002Fdocs\u002Fhuggingface_hub\u002Fquick-start#login) with your user access token (can be found in Settings -> Access Tokens)\n\n\n# Parameters\n\n- Model Size: Choose the model size, from tiny to large-v2.\n- Language: Select the language you will be speaking in.\n- Transcription Timeout: Set the number of seconds the application will wait before transcribing the current audio data.\n- Beam Size: Adjust the number of transcriptions generated and considered, which affects accuracy and transcription generation time.\n- Transcription Method: Choose \"real-time\" for real-time diarization and transcriptions, or \"sequential\" for periodic transcriptions with more context.\n\n## Troubleshooting\n\n- On MacOS, if building the wheel for safetensors fails, install Rust `brew install rust` and try again.\n\n## Known Bugs\n\n1. [In the sequential mode, there may be uncontrolled speaker swapping.](https:\u002F\u002Fgithub.com\u002Fsaharmor\u002Fwhisper-playground\u002Fissues\u002F27)\n2. [In real-time mode, audio data not meeting the transcription timeout won't be transcribed.](https:\u002F\u002Fgithub.com\u002Fsaharmor\u002Fwhisper-playground\u002Fissues\u002F28)\n\nThis repository hasn't been tested for all languages; please create an issue if you encounter any problems.\n\n## License\n\nThis repository and the code and model weights of Whisper are released under the MIT License.\n","\u003Cdiv align=\"center\">\n  \u003Cimg width=\"60px\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fsaharmor_whisper-playground_readme_b13d3e0798ff.png\" alt=\"giant microphone\"\u002F>   \n \u003Cbr\u002F>\n  \u003Ch2 align=\"center\">Whisper  Playground\u003C\u002Fh2>\n  \u003Ch6 align=\"center\">使用 faster-whisper、Diart 和 Pyannote，以 99 种语言即时构建实时语音转文本应用\u003C\u002Fh6>\n  \u003Ch6 align=\"center\">\u003Ca href=\"https:\u002F\u002Fwhisperui.monsterapi.ai\">通过在线演示试用\u003C\u002Fa>\u003C\u002Fh6>\n\n  \u003Cp>\n\u003Ca href=\"https:\u002F\u002Fhits.sh\u002Fgithub.com\u002Fsaharmor\u002Fwhisper-playground\u002F\" target=\"_blank\">\u003Cimg src=\"https:\u002F\u002Fhits.sh\u002Fgithub.com\u002Fsaharmor\u002Fwhisper-playground.svg?style=plastic&label=visitors&extraCount=55288\" alt=\"visitors\">\u003C\u002Fa>\n    \u003Ca href=\"https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Fsahar-mor\u002F\" target=\"_blank\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FLinkedIn-Connect-blue\" alt=\"LinkedIn\">\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fx.com\u002Ftheaievangelist\" target=\"_blank\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Ftwitter\u002Ffollow\u002F:theaievangelist\" alt=\"X\">\u003C\u002Fa>\n\u003Ca href=\"http:\u002F\u002Faitidbits.ai\u002F\" target=\"_blank\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fsaharmor_whisper-playground_readme_dce87b1452e0.png\" alt=\"Stay updated on AI\" width=\"20\" height=\"20\" style=\"vertical-align: middle;\"> 关注人工智能最新动态\u003C\u002Fa>\n\n\u003C\u002Fp>\n\n\u003C\u002Fdiv>\n\n\n\nhttps:\u002F\u002Fgithub.com\u002Fethanzrd\u002Fwhisper-playground\u002Fassets\u002F79014814\u002F44a9bcf0-e374-4c71-8189-1d99824fbdc5\n\n# 设置\n1. 确保您的设备上已安装 [`Conda`](https:\u002F\u002Fdocs.conda.io\u002Fprojects\u002Fconda\u002Fen\u002Flatest\u002Fuser-guide\u002Finstall\u002Findex.html) 和 [`Yarn`](https:\u002F\u002Fclassic.yarnpkg.com\u002Flang\u002Fen\u002Fdocs\u002Finstall\u002F#mac-stable) \n2. 克隆或分叉此仓库\n3. 安装后端和前端环境：`sh install_playground.sh`\n4. 检查 `config.py` 文件，确保转录设备和计算类型与您的配置匹配。同时检查 `config.js` 文件，确认其与后端配置一致，并且后端地址正确。\n5. 运行后端：`cd backend && python server.py`\n6. 在另一个终端中运行 React 前端：`cd interface && yarn start`\n\n### 访问 Pyannote 模型\n本仓库使用基于 pyannote.audio 模型的库，这些模型存储在 Hugging Face Hub 中。在使用它们之前，您必须接受其使用条款。\n注意：您需要拥有 Hugging Face 账户才能使用 pyannote。\n\n1. 接受 [`pyannote\u002Fsegmentation`](https:\u002F\u002Fhuggingface.co\u002Fpyannote\u002Fsegmentation) 模型的使用条款\n2. 接受 [`pyannote\u002Fembedding`](https:\u002F\u002Fhuggingface.co\u002Fpyannote\u002Fembedding) 模型的使用条款\n3. 接受 [`pyannote\u002Fspeaker-diarization`](https:\u002F\u002Fhuggingface.co\u002Fpyannote\u002Fspeaker-diarization) 模型的使用条款\n4. 安装 [huggingface-cli](https:\u002F\u002Fhuggingface.co\u002Fdocs\u002Fhuggingface_hub\u002Fquick-start#install-the-hub-library) 并使用您的用户访问令牌登录（可在“设置”->“访问令牌”中找到）\n\n\n# 参数\n\n- 模型大小：选择从 tiny 到 large-v2 的不同模型尺寸。\n- 语言：选择您将使用的语言。\n- 转录超时时间：设置应用程序在转录当前音频数据之前等待的秒数。\n- 束宽：调整生成并考虑的转录数量，这会影响准确性和转录生成时间。\n- 转录方式：选择“实时”以进行实时说话人分离和转录，或选择“顺序”以获取更具上下文信息的定期转录。\n\n## 故障排除\n\n- 在 macOS 上，如果构建 safetensors 的 wheel 失败，请安装 Rust：`brew install rust`，然后重试。\n\n## 已知问题\n\n1. [在顺序模式下，可能会出现说话人切换失控的情况。](https:\u002F\u002Fgithub.com\u002Fsaharmor\u002Fwhisper-playground\u002Fissues\u002F27)\n2. [在实时模式下，未达到转录超时时间的音频数据将不会被转录。](https:\u002F\u002Fgithub.com\u002Fsaharmor\u002Fwhisper-playground\u002Fissues\u002F28)\n\n本仓库尚未针对所有语言进行全面测试；如果您遇到任何问题，请提交 issue。\n\n## 许可证\n\n本仓库以及 Whisper 的代码和模型权重均采用 MIT 许可证发布。","# Whisper Playground 快速上手指南\n\nWhisper Playground 是一个基于 `faster-whisper`、`Diart` 和 `Pyannote` 构建的开源工具，支持 99 种语言的实时语音转文字（Speech-to-Text）及说话人分离功能。\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **操作系统**：Linux、macOS 或 Windows (WSL 推荐)\n*   **前置依赖**：\n    *   [Conda](https:\u002F\u002Fdocs.conda.io\u002Fprojects\u002Fconda\u002Fen\u002Flatest\u002Fuser-guide\u002Finstall\u002Findex.html)：用于管理 Python 环境。\n    *   [Yarn](https:\u002F\u002Fclassic.yarnpkg.com\u002Flang\u002Fen\u002Fdocs\u002Finstall\u002F)：用于管理前端依赖。\n    *   **Hugging Face 账号**：必须拥有账号并接受 Pyannote 模型的使用条款（详见安装步骤中的模型授权部分）。\n    *   **Rust (macOS 用户必备)**：如果在 macOS 上构建 `safetensors` 失败，请先运行 `brew install rust`。\n\n## 安装步骤\n\n### 1. 获取代码\n克隆或 Fork 本仓库到本地：\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fsaharmor\u002Fwhisper-playground.git\ncd whisper-playground\n```\n\n### 2. 安装依赖\n运行官方提供的脚本自动安装后端和前端环境：\n```bash\nsh install_playground.sh\n```\n\n### 3. 配置 Pyannote 模型授权\n本项目依赖 Hugging Face Hub 上的 Pyannote 模型，使用前必须接受相关协议并登录：\n\n1.  登录 [Hugging Face](https:\u002F\u002Fhuggingface.co\u002F) 账号。\n2.  依次访问以下页面点击 **\"Accept\"** 接受使用条款：\n    *   [pyannote\u002Fsegmentation](https:\u002F\u002Fhuggingface.co\u002Fpyannote\u002Fsegmentation)\n    *   [pyannote\u002Fembedding](https:\u002F\u002Fhuggingface.co\u002Fpyannote\u002Fembedding)\n    *   [pyannote\u002Fspeaker-diarization](https:\u002F\u002Fhuggingface.co\u002Fpyannote\u002Fspeaker-diarization)\n3.  在 Hugging Face 设置中生成 **Access Token** (Settings -> Access Tokens)。\n4.  安装 CLI 工具并登录（将 `\u003CYOUR_TOKEN>` 替换为你的实际 Token）：\n    ```bash\n    pip install huggingface-cli\n    huggingface-cli login --token \u003CYOUR_TOKEN>\n    ```\n\n### 4. 检查配置文件\n*   **后端配置**：打开 `config.py`，确认 `transcription device` (计算设备) 和 `compute type` (计算类型) 与你的硬件环境匹配（例如是否使用 CUDA）。\n*   **前端配置**：打开 `interface\u002Fconfig.js`，确保后端地址配置正确，且参数与后端 `config.py` 保持一致。\n\n## 基本使用\n\n启动服务需要分别运行后端和前端两个终端窗口。\n\n### 第一步：启动后端\n在后端目录下运行 Python 服务器：\n```bash\ncd backend\npython server.py\n```\n*等待后端加载模型并完成初始化。*\n\n### 第二步：启动前端\n打开一个新的终端窗口，进入前端目录并启动 React 应用：\n```bash\ncd interface\nyarn start\n```\n\n### 第三步：开始使用\n1.  浏览器会自动打开（或手动访问 `http:\u002F\u002Flocalhost:3000`）。\n2.  在界面中调整参数：\n    *   **Model Size**：选择模型大小（tiny 到 large-v2）。\n    *   **Language**：选择说话语言。\n    *   **Transcription Method**：选择 \"real-time\"（实时 diarization）或 \"sequential\"（带更多上下文的周期性转录）。\n3.  允许浏览器访问麦克风，即可开始实时语音转写测试。\n\n> **注意**：首次运行时会自动下载模型文件，请保持网络连接畅通。如遇网络问题，可尝试配置 Hugging Face 国内镜像加速。","一家跨国用户研究团队正在对来自不同国家的受访者进行远程深度访谈，需要实时将多语言对话转化为带说话人区分的高质量文字记录。\n\n### 没有 whisper-playground 时\n- **多语言支持困难**：面对 99 种语言的受访者，团队需为每种语言单独配置不同的语音识别引擎，切换成本极高且容易出错。\n- **无法区分说话人**：原始录音转写后是一整段混杂文本，后期必须人工反复听音来标记“谁说了什么”，整理一份 1 小时访谈需耗费数小时。\n- **实时性缺失**：传统方案只能上传完整音频文件后等待批量处理，研究员无法在访谈进行中实时捕捉关键信息或调整提问策略。\n- **部署门槛高**：整合 Whisper 模型、说话人日志（Diarization）和前端界面需要深厚的全栈开发能力，非技术背景的研究者难以独立搭建。\n\n### 使用 whisper-playground 后\n- **一键多语言适配**：利用内置的 faster-whisper 和 Diart，研究员可在界面下拉菜单直接切换语言，瞬间支持全球受访者的母语转录。\n- **自动说话人分离**：集成 Pyannote 模型，系统能自动识别并标记不同说话人（如“说话人 A\"、“说话人 B\"），生成的对话记录结构清晰，无需人工二次分拣。\n- **真正的实时流转**：选择\"real-time\"模式后，语音随说随转，研究员可在大屏上同步看到逐字稿，及时捕捉稍纵即逝的用户洞察。\n- **低代码快速落地**：通过简单的脚本安装和配置，团队在半小时内即可在本地部署一套完整的 Web 应用，无需从头编写前后端代码。\n\nwhisper-playground 将复杂的语音识别与说话人分离技术封装为开箱即用的实时应用，让多语言用户研究从“事后艰难整理”转变为“即时精准洞察”。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fsaharmor_whisper-playground_b13d3e07.png","saharmor","Sahar","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fsaharmor_78ebeefe.jpg","AI papers and techniques for generative AI developers and researchers http:\u002F\u002Faitidbits.ai",null,"San Francisco","theaievangelist","http:\u002F\u002Faitidbits.ai","https:\u002F\u002Fgithub.com\u002Fsaharmor",[86,90,94,98,102],{"name":87,"color":88,"percentage":89},"Python","#3572A5",54.9,{"name":91,"color":92,"percentage":93},"JavaScript","#f1e05a",39.6,{"name":95,"color":96,"percentage":97},"HTML","#e34c26",2.4,{"name":99,"color":100,"percentage":101},"Shell","#89e051",2.2,{"name":103,"color":104,"percentage":105},"CSS","#663399",0.8,830,145,"2026-04-01T17:14:10","MIT",4,"macOS, Linux, Windows","未明确说明（依赖 faster-whisper，通常推荐 NVIDIA GPU 以加速，但支持 CPU 运行；具体显存取决于选择的模型大小，large-v2 建议 8GB+）","未说明（建议 16GB+ 以运行大型模型和实时处理）",{"notes":115,"python":116,"dependencies":117},"1. 必须安装 Conda 和 Yarn。2. 使用前需拥有 Hugging Face 账号并接受 pyannote 三个模型（segmentation, embedding, speaker-diarization）的使用条款，且需登录 huggingface-cli。3. macOS 用户若构建 safetensors 失败，需先安装 Rust (brew install rust)。4. 需检查 config.py 中的转录设备和计算类型配置。5. 支持 99 种语言的实时语音转文字。","未说明（需通过 Conda 安装，通常为 3.8+）",[118,119,120,121,122,123,124],"faster-whisper","diart","pyannote.audio","torch","huggingface_hub","react (frontend)","yarn",[13,55],[127,128,129,130,131],"machine-learning","speech-recognition","speech-to-text","whisper","openai","2026-03-27T02:49:30.150509","2026-04-06T07:14:56.766537",[135,140,145,150,155,160],{"id":136,"question_zh":137,"answer_zh":138,"source_url":139},10325,"紫色圆点一直在动但没有生成转录文本，如何解决？","这通常是因为前端无法连接到后端服务。请尝试以下两种方法之一：\n1. 在 `interface\u002Fpackage.json` 文件中添加代理配置：`\"proxy\": \"http:\u002F\u002F127.0.0.1:8000\u002F\"`。\n2. 修改 `interface\u002Fsrc\u002FApp.js` 第 117 行附近的 `axios.post` 请求地址，将其硬编码为 `http:\u002F\u002F127.0.0.1:8000\u002Ftranscribe`。\n修改后重启前端服务即可生效。","https:\u002F\u002Fgithub.com\u002Fsaharmor\u002Fwhisper-playground\u002Fissues\u002F6",{"id":141,"question_zh":142,"answer_zh":143,"source_url":144},10326,"在 Ubuntu\u002FLinux 上安装时遇到缺少 python3-dev 或 PortAudio 编译错误怎么办？","这是缺少系统依赖包导致的。请按以下步骤解决：\n1. 安装 Python 开发包：运行 `sudo apt-get install python3-dev`。\n2. 安装 PortAudio：运行 `sudo apt-get install portaudio19-dev`（Debian\u002FUbuntu）或 `sudo pacman -S portaudio`（Arch Linux）。\n如果自动安装失败，可能需要手动编译 PortAudio。安装完成后重新运行安装脚本。","https:\u002F\u002Fgithub.com\u002Fsaharmor\u002Fwhisper-playground\u002Fissues\u002F1",{"id":146,"question_zh":147,"answer_zh":148,"source_url":149},10327,"运行 `yarn start` 时出现 'digital envelope routines::unsupported' 错误如何解决？","这是由于 Node.js 版本较新（v17+）与旧版 Webpack\u002FOpenSSL 不兼容导致的。解决方法是在启动命令前添加环境变量以使用旧版 OpenSSL 提供者。\n在 Linux\u002FMac 终端执行：\n`export NODE_OPTIONS=--openssl-legacy-provider`\n然后再次运行 `yarn start`。\n或者在 Windows PowerShell 中执行：\n`$env:NODE_OPTIONS=\"--openssl-legacy-provider\"`\n再运行 `yarn start`。","https:\u002F\u002Fgithub.com\u002Fsaharmor\u002Fwhisper-playground\u002Fissues\u002F14",{"id":151,"question_zh":152,"answer_zh":153,"source_url":154},10328,"不同 Linux 发行版如何安装 PortAudio 依赖？","根据操作系统不同，安装命令如下：\n- Ubuntu\u002FDebian: `sudo apt-get install portaudio19-dev`\n- Arch Linux: `sudo pacman -S portaudio`\n- Fedora\u002FCentOS: `sudo dnf install portaudio-devel`\n安装完成后请重新运行项目的安装脚本 `sh install_playground.sh`。","https:\u002F\u002Fgithub.com\u002Fsaharmor\u002Fwhisper-playground\u002Fissues\u002F2",{"id":156,"question_zh":157,"answer_zh":158,"source_url":159},10329,"后端启动时报错 'Connection error' 且无法从 Hugging Face 下载模型怎么办？","这通常是由于网络连接问题导致无法从 Hugging Face Hub 下载模型，或者是缓存损坏。建议采取以下措施：\n1. 检查网络连接，确保能访问 Hugging Face。\n2. 尝试手动下载模型文件并放入本地缓存目录。\n3. 参考 faster-whisper 的相关 Issue（如 #85），有时需要清理 `.cache\u002Fhuggingface` 目录下的损坏文件后重试。\n4. 如果是在中国大陆，可能需要配置代理或使用镜像源。","https:\u002F\u002Fgithub.com\u002Fsaharmor\u002Fwhisper-playground\u002Fissues\u002F34",{"id":161,"question_zh":162,"answer_zh":163,"source_url":144},10330,"虚拟环境激活失败，提示 'venv\u002Fbin\u002Factivate: No such file or directory' 怎么办？","这说明虚拟环境尚未创建或路径不正确。请在项目根目录下先执行创建虚拟环境的命令（通常是 `python3 -m venv venv` 或运行项目提供的安装脚本 `sh install_playground.sh`），确保 `backend\u002Fvenv` 目录生成后再尝试激活。\n激活命令应为：`cd backend && source venv\u002Fbin\u002Factivate`。如果是 Windows 系统，请使用 `Scripts\\activate` 而不是 `bin\u002Factivate`。",[165,169],{"id":166,"version":167,"summary_zh":80,"released_at":168},107556,"v1.0.1","2023-08-17T15:55:28",{"id":170,"version":171,"summary_zh":172,"released_at":173},107557,"v1.0.0","# Features\r\n- Real-time streaming via web socket\r\n- Speaker diarization with pyannote.audio\r\n- Context-aware transcription using Whisper's prompting\r\n- Real-time & sequential modes for transcriptions\r\n- Support Whisper large-v2","2023-08-14T18:41:46"]