Riconoscimento Vocale UnificatoAPI Gateway per Sistemi di IA
Distribuisci un’infrastruttura ASR di livello industriale sui tuoi server o su Mac in pochi secondi. Aggrega Faster-Whisper, SenseVoice, FireRedASR e Zipformer con piena compatibilità con l’API OpenAI.
Progettato per Prestazioni Elevate e Privacy
Tutto il necessario per eseguire pipeline di trascrizione vocale private e ad alto rendimento.
API Compatibile con OpenAI
Sostituto diretto per l’endpoint /v1/audio/transcriptions. Si collega facilmente a Dify, FastGPT, Open WebUI, DuRT e agli SDK ufficiali.
Aggregazione Multi-Motore
Instrada dinamicamente le richieste tra Faster-Whisper, Zipformer (X-ASR), Qwen-ASR e FireRedASR tramite semplice configurazione YAML.
Streaming a Bassissima Latenza
Protocollo audio WebSocket full-duplex per sottotitoli in tempo reale, riunioni online e agenti vocali interattivi.
VAD & Suddivisione Intelligente
Rilevamento dell’attività vocale basato su Silero-VAD, suddivisione naturale delle pause e soppressione delle allucinazioni.
Console Web Vue 3
Interfaccia web interattiva per testare microfoni, caricare file audio lunghi, monitorare i worker e verificare la latenza.
100% Privato & Self-Hosted
Ogni byte di dati vocali rimane nella tua infrastruttura. Zero telemetria verso terze parti, zero vincoli.
Motori ASR Supportati
Scegli il motore più adatto in base a lingua, latenza e risorse hardware.
| Motore | Categoria | Lingue Supportate | Latenza / RTF | Accelerazione Hardware | Caso d’Uso Ideale |
|---|---|---|---|---|---|
| Faster-WhisperConsigliato per File | ASR File & Batch | 99+ Lingue (Multilingua) | 0.12x - 0.25x RTF | CUDA, Metal, CPU (int8/fp16) | Trascrizione file multilingua, elaborazione podcast, generazione sottotitoli |
| X-ASR (Zipformer2)Minima Latenza | Streaming in Tempo Reale | Cinese, Inglese, Misto | < 160ms ritardo blocco | CPU, ONNX, Metal, CUDA | Sottotitoli in tempo reale a bassissima latenza, assistenti vocali |
| Qwen3-ASR (1.7B) | ASR File & Batch | 30+ Lingue e Dialetti | 0.15x - 0.35x RTF | CUDA (vLLM / PyTorch), Metal | Dialetti complessi, ambienti rumorosi, adattamento di dominio |
| FireRedASR | ASR Industriale | Cinese, Inglese | 0.18x - 0.30x RTF | CUDA, PyTorch | Verbali di riunioni aziendali e contact center ad alta precisione |
Come Funziona OneASR
Dall’acquisizione audio alla trascrizione strutturata attraverso una pipeline standardizzata.
1. Acquisizione & Pre-elaborazione
I flussi o i file audio vengono ricevuti via REST o WebSocket, normalizzati a 16kHz mono e suddivisi con Silero-VAD.
2. Dispatcher Dinamico dei Motori
Le richieste vengono indirizzate al motore ottimale precaricato (Whisper, X-ASR, Qwen) in base a lingua e requisiti di latenza.
3. Inferenza Neurale & Allineamento
I modelli acustici generano token fonetici e parole con timestamp grazie all’accelerazione GPU TensorRT, CUDA o Metal.
4. Post-elaborazione & Output
Ripristino della punteggiatura, filtraggio delle ripetizioni e formattazione in JSON OpenAI, SRT o sottotitoli VTT.
Esperienza Sviluppatore al Primo Posto
Integra OneASR nella tua applicazione con strumenti familiari e protocolli standard.
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)