Servidor de conversão de fala em texto Whisper auto-hospedado com diarização de locutores.
Execute APIs privadas de conversão de fala em texto e tradução com compatibilidade com a OpenAI.
Esta ferramenta executa um servidor local Whisper de conversão de fala em texto dentro do Docker, expondo APIs de transcrição compatíveis com a OpenAI. É ideal para profissionais de saúde mental que precisam de processamento de áudio totalmente privado, sem enviar sessões confidenciais de clientes para nuvens de terceiros.
Alimentado por faster-whisper, ele processa vários formatos de áudio, gera saídas em JSON, SRT ou VTT, e suporta diarização opcional de locutores usando sherpa-onnx. Você pode implantá-lo em hardware de CPU padrão ou acelerar a inferência usando uma GPU NVIDIA por meio de tags de imagem dedicadas.
É adequado para profissionais e clínicas que exigem estrita privacidade de dados para sessões gravadas e que sabem gerenciar implantações conteinerizadas. Não é adequado para usuários não técnicos que precisam de um aplicativo de desktop pronto para uso sem configuração de linha de comando ou Docker.
Endpoints de substituição direta para aplicativos existentes usando POST /v1/audio/transcriptions.
Identifique quem está falando em cada segmento usando extensões locais opcionais do sherpa-onnx.
Receba segmentos transcritos progressivamente à medida que são decodificados, em vez de esperar pelo arquivo completo.
Execute completamente offline sem acesso à internet usando modelos pré-em cache e WHISPER_LOCAL_ONLY.
Gratuito sob sua licença, sem opções hospedadas pagas fornecidas por este projeto. O único custo é executar e manter seu próprio hardware de servidor.
877 vagas remotas abertas de treinamento de IA, atualizadas em 16 de novembro de 2026; a maioria paga $20–$175 por hora. 8 delas pedem falantes de português. O Zekai lista de graça; a candidatura vai para a plataforma do empregador.
Sim, você pode operar no modo offline ou isolado (air-gapped) fazendo o pré-cache dos modelos e definindo WHISPER_LOCAL_ONLY=true.
Você precisa de um servidor Linux com Docker, pelo menos 700 MB de RAM livre para o modelo base e, opcionalmente, uma GPU NVIDIA com o Container Toolkit.
Esta ferramenta foi projetada para arquivos de áudio completos; para streaming ao vivo ou captura de microfone, o autor fornece uma ferramenta separada docker-whisper-live.
Veja o Zekai primeiro no Google