Единый шлюз распознавания речиAPI-шлюз для систем искусственного интеллекта
Разверните промышленную инфраструктуру ASR на собственных серверах или Mac за считанные секунды. Объединяйте Faster-Whisper, SenseVoice, FireRedASR и Zipformer с полной совместимостью с API OpenAI.
Создано для максимальной производительности и приватности
Все необходимое для запуска высоконагруженных и конфиденциальных конвейеров распознавания речи.
Совместимость с OpenAI API
Прямая замена для эндпоинта /v1/audio/transcriptions. Легко подключается к Dify, FastGPT, Open WebUI, DuRT и официальным SDK.
Агрегация нескольких движков
Динамическая маршрутизация запросов между Faster-Whisper, Zipformer (X-ASR), Qwen-ASR и FireRedASR через простой файл конфигурации YAML.
Стриминг с ультранизкой задержкой
Полнодуплексный протокол передачи звука через WebSocket для субтитров в реальном времени, онлайн-встреч и голосовых агентов.
Встроенный VAD и умная сегментация
Определение активности голоса на базе Silero-VAD, интеллектуальное разбиение пауз и подавление галлюцинаций моделей.
Веб-консоль на Vue 3
Интерактивный веб-интерфейс для проверки микрофона, загрузки больших аудиофайлов, мониторинга нагрузки GPU и измерения задержки.
100% приватность и Self-Hosted
Все голосовые данные остаются строго в вашей внутренней инфраструктуре. Ноль сторонней телеметрии и утечек.
Поддерживаемые движки ASR
Выберите оптимальный движок под ваши требования к языкам, задержке и оборудованию.
| Движок | Категория | Языки | Задержка / RTF | Аппаратное ускорение | Оптимальное применение |
|---|---|---|---|---|---|
| Faster-WhisperРекомендуется для файлов | Файловый и пакетный ASR | 99+ языков (многоязычный) | 0.12x - 0.25x RTF | CUDA, Metal, CPU (int8/fp16) | Транскрипция многоязычных файлов, подкастов и генерация субтитров |
| X-ASR (Zipformer2)Мин. задержка | Потоковый ASR реального времени | Китайский, Английский, Смешанный | < 160мс задержка чанка | CPU, ONNX, Metal, CUDA | Субтитры в реальном времени с минимальной задержкой, голосовые ассистенты |
| Qwen3-ASR (1.7B) | Файловый и пакетный ASR | 30+ языков и диалектов | 0.15x - 0.35x RTF | CUDA (vLLM / PyTorch), Metal | Сложные диалекты, шумная среда, предметная адаптация |
| FireRedASR | Промышленный ASR | Китайский, Английский | 0.18x - 0.30x RTF | CUDA, PyTorch | Протоколы корпоративных совещаний и контактные центры |
Как работает OneASR
От приема аудиопотока до структурированной транскрипции через стандартизированный конвейер.
1. Прием и предобработка
Аудиопотоки или файлы принимаются через REST или WebSocket, нормализуются до 16 кГц моно и разбиваются через Silero-VAD.
2. Динамический диспетчер движков
Запросы направляются к оптимальному предзагруженному движку (Whisper, X-ASR, Qwen) в зависимости от языка и требований к скорости.
3. Нейросетевой инференс и выравнивание
Акустические модели генерируют фонетические токены и слова с точными таймкодами с GPU-ускорением TensorRT, CUDA или Metal.
4. Постобработка и выдача
Восстановление пунктуации, фильтрация повторов и форматирование в OpenAI JSON, SRT или VTT-субтитры.
Удобство для разработчиков
Интегрируйте OneASR в ваши сервисы с помощью привычных библиотек и отраслевых стандартов.
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)