Stream Translator 技术文档
stream-translator 
项目地址: https://gitcode.com/gh_mirrors/st/stream-translator
Stream Translator 是一个命令行工具，实时地将直播流中的音频转录或翻译。本项目基于 streamlink 获取多个直播平台的流URL，并利用 OpenAI 的 whisper 模型进行音频理解和转换。下面我们将详细指导您如何安装与使用这个强大的工具。
安装指南
环境准备
- 安装FFmpeg并加入PATH环境变量: 在Windows上，请按照此教程操作，确保FFmpeg可从命令行访问。
- 安装CUDA: 访问NVIDIA官网，下载适合您系统的CUDA版本。若非11.3版本，请在
requirements.txt中相应调整cu113为您的CUDA版本号。通过运行nvcc --version来验证安装的CUDA版本。
项目设置
- 创建一个Python虚拟环境，并激活它。
- 使用Git克隆项目仓库：
git clone https://github.com/fortypercnt/stream-translator.git - 进入项目目录，安装依赖项：
pip install -r requirements.txt
注意检查PyTorch是否已带有CUDA支持，否则whisper可能无法实现实时处理。
项目的使用说明
基本步骤
通过以下命令启动Stream Translator，替换URL为实际的直播间地址，并可按需添加旗标参数：
python translator.py URL --flags
命令行参数详解
| 参数 | 默认值 | 描述 | |-------------------|------------|--------------------------------------------------------------------------------------------------------------------------| | --model | small | 选择模型大小，参照OpenAI的模型列表。 | | --task | translate | 确定任务类型，是仅转录(transcribe)保持原语言还是翻译成英语(translate)。 | | --language | auto | 直播间使用的语言，自动检测或指定一种语言，具体见上述提供的语言列表。 | | --interval | 5 | 调用语言模型的间隔时间（秒）。 | | --history_buffer_size | 0 | 使用先前音频/文本进行条件化模型的秒数，0表示只使用最近间隔内的音频。 | | --beam_size | 5 | 用于束搜索的束宽度，设为0则采用贪心算法（更快但准确率较低）。 | | --best_of | 5 | 当采样温度不为零时，候选结果的数量。 | | --preferred_quality | audio_only | 首选的流质量选项，可以是“best”，“worst”或其他，输入“streamlink URL”查看特定URL的质量选项。 | | --disable_vad | | 开启此标志禁用Silero VAD的额外语音活动检测。 | | --direct_url | | 直接传递URL给ffmpeg而非使用streamlink获取，适用于已有流URL的情况。 | | --use_faster_whisper | | 启用faster-whisper以获得更高的性能。按照faster-whisper安装指示进行操作。 | | --faster_whisper_model_path | ... | 转换后的模型路径，基于CTranslate2格式。 | | --faster_whisper_device | cuda | 设定faster-whisper运行的设备，如GPU（cuda）或CPU。 | | --faster_whisper_compute_type | float16 | 设置faster-whisper的量化类型，查看CTranslate2的量化文档了解更多信息。 |
项目API使用文档
目前文档主要聚焦于命令行界面的使用，对于想要集成至其他应用的开发者，建议直接调用内部模块，参考源代码中对whisper API的调用逻辑，实现定制化的接入与扩展。
以上即为Stream Translator项目的完整技术文档，包含了安装、基本使用方法以及详细的命令行参数解释，希望能帮助您顺利使用本项目。
stream-translator 项目地址: https://gitcode.com/gh_mirrors/st/stream-translator