Reconhecimento de Voz UnificadoGateway de API para Sistemas de IA
Implante infraestrutura de ASR de nível industrial em seus próprios servidores ou Mac em segundos. Agregue Faster-Whisper, SenseVoice, FireRedASR e Zipformer com total compatibilidade com a API OpenAI.
Projetado para Alto Desempenho e Privacidade
Tudo o que você precisa para executar pipelines de transcrição de voz privadas de alto rendimento.
API Compatível com OpenAI
Substituto direto para /v1/audio/transcriptions. Conecte-se facilmente a Dify, FastGPT, Open WebUI, DuRT e aos SDKs oficiais.
Agregação Multi-Motor
Roteie solicitações dinamicamente entre Faster-Whisper, Zipformer (X-ASR), Qwen-ASR e FireRedASR via configuração YAML simples.
Streaming de Baixa Latência
Protocolo de áudio WebSocket full-duplex para legendas em tempo real, reuniões e agentes de voz interativos.
VAD e Segmentação Inteligente
Detecção de atividade vocal baseada em Silero-VAD, divisão por pausas naturais e supressão automática de alucinações.
Painel Web com Vue 3
Interface interativa para testar microfones, enviar arquivos de áudio longos, monitorar workers e medir a latência.
100% Privado e Auto-Hospedado
Todos os dados de voz permanecem estritamente na sua própria infraestrutura. Zero telemetria e zero vazamentos.
Motores ASR Suportados
Escolha o melhor motor com base no seu idioma, perfil de latência e hardware.
| Motor | Categoria | Idiomas Suportados | Latência / RTF | Aceleração de Hardware | Melhor Caso de Uso |
|---|---|---|---|---|---|
| Faster-WhisperRecomendado para Arquivos | ASR de Arquivo & Lote | 99+ Idiomas (Multilíngue) | 0.12x - 0.25x RTF | CUDA, Metal, CPU (int8/fp16) | Transcrição de arquivos multilíngues, podcasts e geração de legendas |
| X-ASR (Zipformer2)Menor Latência | Streaming em Tempo Real | Chinês, Inglês, Misto | < 160ms atraso por bloco | CPU, ONNX, Metal, CUDA | Legendas ao vivo com latência ultrabaixa, assistentes de voz |
| Qwen3-ASR (1.7B) | ASR de Arquivo & Lote | 30+ Idiomas e Dialetos | 0.15x - 0.35x RTF | CUDA (vLLM / PyTorch), Metal | Dialetos complexos, ambientes com ruído, adaptação a domínios |
| FireRedASR | ASR Industrial | Chinês, Inglês | 0.18x - 0.30x RTF | CUDA, PyTorch | Atas de reuniões corporativas e centros de atendimento ao cliente |
Como o OneASR Funciona
Da ingestão de áudio a transcrições estruturadas através de uma pipeline padronizada.
1. Ingestão & Pré-processamento
Fluxos ou arquivos de áudio são recebidos via REST ou WebSocket, normalizados para 16kHz mono e segmentados com Silero-VAD.
2. Despachante Dinâmico de Motores
As requisições são direcionadas ao motor ideal pré-carregado (Whisper, X-ASR, Qwen) conforme idioma e latência.
3. Inferência Neural & Alinhamento
Modelos acústicos geram tokens fonéticos e palavras com carimbos de tempo com aceleração GPU TensorRT, CUDA ou Metal.
4. Pós-processamento & Saída
Restauração de pontuação, filtragem de repetições e formatação em JSON OpenAI, legendas SRT ou VTT.
Foco na Experiência do Desenvolvedor
Integre o OneASR à sua aplicação usando ferramentas familiares e protocolos padrão da indústria.
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)