Selbst gehosteter Spracherkennungs- und Echtzeit-Übersetzungsserver mit Unterstützung für Streaming-Whisper, Voxtral und Diarisierung.
Hosten Sie Streaming-Transkription mit geringer Latenz, Sprecher-Diarisierung und Übersetzung mit OpenAI-kompatiblen APIs selbst.
WhisperLiveKit ist ein Open-Source-Spracherkennungs- und Streaming-Übersetzungsserver, der für die Live-Audioverarbeitung mit geringer Latenz entwickelt wurde. Er richtet sich an Lokalisierungsteams, Softwareentwickler und Übersetzer, die Echtzeit-Transkription und mehrsprachige Übersetzung auf eigener Hardware benötigen. Er bietet standardmäßig OpenAI- und Deepgram-kompatible Endpunkte.
Die Software puffert eingehende Audioströme und verarbeitet sie inkrementell mithilfe von Richtlinien wie AlignAtt und LocalAgreement, um ein Abschneiden mitten im Wort zu verhindern. Sie verarbeitet Audioinhalte mit mehreren Sprechern über Streaming-Sortformer-Diarisierung und übersetzt Sprache in Echtzeit in über 200 Sprachen. Sie stellt WebSocket-Endpunkte und REST-Routen bereit und enthält eine integrierte Benutzeroberfläche sowie CLI-Tools.
Sie eignet sich für Entwickler und Lokalisierungsspezialisten, die Live-Untertitelungssysteme, Untertitelungs-Workflows oder Sprachanwendungen ohne Cloud-Abhängigkeiten entwickeln. Sie ist nicht geeignet für nicht-technische Benutzer, die eine Desktop-Anwendung mit einem Klick wünschen, da die Einrichtung die Nutzung des Terminals und die Modellauswahl erfordert.
Übersetzt Live-Audio in 200 Sprachen unter Verwendung integrierter NLLW- und AlignAtt4LLM-Decoder-Modelle.
Identifiziert und trennt mehrere gleichzeitige Sprecher live mithilfe von Streaming-Sortformer- oder NeMo-Backends.
Stellt Endpunkte bereit, die mit OpenAI Python SDKs und Deepgram WebSockets für eine unkomplizierte Drop-in-Integration kompatibel sind.
Verwendet AlignAtt- und LocalAgreement-Richtlinien, um das Abschneiden von Wörtern mitten in Silben während des Live-Audio-Streamings zu eliminieren.
WhisperLiveKit ist unter der Apache-2.0-Lizenz völlig kostenlos und Open Source. Der Entwickler bietet keine kostenpflichtigen Hosting-Stufen an, sodass Ihre einzigen Kosten die Serverinfrastruktur oder Hardware sind, die zum Ausführen der Modelle erforderlich ist.
877 offene Remote-Stellen im KI-Training, aktualisiert am 16. November 2026; die meisten zahlen $20–$175 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.
Ja, Sie können wlk transcribe --format srt file.mp3 ausführen, um Untertiteldateien direkt über die Befehlszeile zu generieren.
Ja, sie bietet dedizierte optionale Pakete für MLX-beschleunigte Whisper- und Voxtral-Modelle auf macOS-Hardware.
Zekai zuerst in Google sehen