Passerelle Vocale UnifiéeAPI Dédiée aux Systèmes d’IA
Déployez une infrastructure ASR de niveau industriel sur vos serveurs ou votre Mac en quelques secondes. Agrégez Faster-Whisper, Zipformer, Qwen-ASR et FireRedASR avec une compatibilité totale avec l’API OpenAI Audio.
Conçu pour la Performance et la Confidentialité
Tout ce dont vous avez besoin pour vos flux de transcription vocale privés et à haut débit.
Compatibilité Totale OpenAI
Remplacement direct pour /v1/audio/transcriptions. Connexion transparente avec Dify, FastGPT, Open WebUI, DuRT et les SDKs officiels.
Agrégation Multi-Moteurs
Acheminement dynamique vers Faster-Whisper, Zipformer (X-ASR), Qwen-ASR et FireRedASR via une configuration YAML claire.
Streaming à Ultra-Faible Latence
Protocole audio WebSocket duplex intégral pour sous-titrage en temps réel, réunions et agents vocaux interactifs.
VAD et Découpage Intelligent
Détection d’activité vocale Silero-VAD, découpage basé sur les pauses naturelles et suppression des hallucinations.
Tableau de Bord Vue 3 Intégré
Interface web pour tester le micro, téléverser de longs fichiers, surveiller le GPU et suivre les tâches.
100% Privé et Auto-Hébergé
Toutes les données audio restent au sein de votre infrastructure. Zéro télémétrie ni fuite de données vers des tiers.
Moteurs ASR Pris en Charge
Sélectionnez le meilleur moteur en fonction de la langue, de la latence et de votre matériel.
| Moteur | Type | Langues Supportées | Latence / RTF | Accélération Matérielle | Cas d’Usage Idéal |
|---|---|---|---|---|---|
| Faster-WhisperRecommandé Fichiers | Transcription de Fichiers & Lots | 99+ Langues (Multilingue) | 0.12x - 0.25x RTF | CUDA, Metal, CPU (int8/fp16) | Transcription de fichiers longs, podcasts et sous-titrage automatisé |
| X-ASR (Zipformer2)Latence Minimale | Streaming Temps Réel | Français, Anglais, Chinois | < 160ms délai par bloc | CPU, ONNX, Metal, CUDA | Sous-titrage direct à latence minimale et assistants vocaux |
| Qwen3-ASR (1.7B) | Reconnaissance Basée sur LLM | 30+ Langues & dialectes | 0.15x - 0.35x RTF | CUDA (vLLM / PyTorch), Metal | Dialectes complexes, milieux bruyants et jargon spécialisé |
| FireRedASR | ASR Industriel | Français, Anglais, Chinois | 0.18x - 0.30x RTF | CUDA, PyTorch | Comptes-rendus d’entreprises et centres d’appels |
Architecture du Pipeline OneASR
Flux standardisé de la réception audio jusqu’à la livraison structurée.
1. Réception et Prétraitement
Réception audio via REST/WebSocket, normalisation 16kHz mono et segmentation vocale par Silero-VAD.
2. Répartiteur Dynamique
Routage vers les instances ASR préchargées en mémoire selon la langue et la latence ciblées.
3. Inférence Neuronale & Alignement
Accélération GPU avec CUDA TensorRT ou Metal pour émettre des horodatages précis au mot près.
4. Post-traitement et Sortie Standard
Correction de la ponctuation, filtrage des répétitions et mise en forme en JSON OpenAI, SRT ou VTT.
Expérience Développeur Optimale
Intégrez OneASR dans vos systèmes avec quelques lignes de code via des standards ouverts.
from openai import OpenAI
# Initialize client pointing to your local OneASR gateway
client = OpenAI(
base_url="http://localhost:8000/v1",
api_key="sk-oneasr-v1-p_L3kXm9QZ8sT2vA4wE7rY1u"
)
# Transcribe audio file with word-level timestamps
with open("podcast.mp3", "rb") as audio_file:
transcript = client.audio.transcriptions.create(
model="faster-whisper",
file=audio_file,
response_format="verbose_json",
timestamp_granularities=["word", "segment"]
)
print(transcript.text)