WhisperLiveKit
Servidor auto-hospedado de reconhecimento de fala e tradução em tempo real com suporte a streaming Whisper, Voxtral e diarização.
Auto-hospede transcrição em streaming de baixa latência, diarização de locutores e tradução com APIs compatíveis com a OpenAI.
O WhisperLiveKit é um servidor de reconhecimento de fala e tradução em streaming de código aberto projetado para processamento de áudio ao vivo de baixa latência. Ele atende equipes de localização, desenvolvedores de software e tradutores que precisam de transcrição em tempo real e tradução multilíngue hospedadas em seu próprio hardware. Ele fornece endpoints compatíveis com OpenAI e Deepgram prontos para uso.
O que é
O software armazena em buffer fluxos de áudio recebidos e os processa de forma incremental usando políticas como AlignAtt e LocalAgreement para evitar o truncamento no meio de palavras. Ele lida com áudio de múltiplos locutores por meio de diarização Sortformer em streaming e traduz fala para mais de 200 idiomas em tempo real. Ele expõe endpoints WebSocket, rotas REST e inclui uma interface web integrada junto com ferramentas de CLI.
Para quem
É ideal para desenvolvedores e especialistas em localização que constroem sistemas de legendagem ao vivo, fluxos de trabalho de legendas ou aplicativos de voz sem dependências de nuvem. Não é adequado para usuários não técnicos que desejam um aplicativo de desktop de um clique, pois a configuração exige o uso do terminal e seleção de modelos.
Recursos principais
Tradução de Fala Multilíngue Simultânea
Traduz áudio ao vivo para 200 idiomas usando modelos de decodificador integrados NLLW e AlignAtt4LLM.
Diarização de Locutores em Tempo Real
Identifica e separa múltiplos locutores simultâneos ao vivo usando backends Streaming Sortformer ou NeMo.
Camada de Compatibilidade de API
Expõe endpoints compatíveis com SDKs Python da OpenAI e WebSockets do Deepgram para integração direta e sem atrito.
Processamento Incremental de Baixa Latência
Usa políticas AlignAtt e LocalAgreement para eliminar o corte de palavras no meio de sílabas durante o streaming de áudio ao vivo.
Pronto em 3 passos
Nosso veredito honesto
Pontos fortes
- Fornece compatibilidade com API dupla OpenAI REST e Deepgram WebSocket para bases de código de aplicativos existentes.
- Suporta múltiplos backends modulares, incluindo Whisper, Voxtral, Qwen3-ASR e SenseVoice.
- Traduz o contexto de áudio ao vivo em 200 idiomas de destino usando módulos de tradução dedicados.
- Executa inteiramente em hardware local com suporte para CUDA, Apple Silicon MLX e execução em CPU.
Onde deixa a desejar
- Gerenciar extras opcionais requer múltiplos ambientes Python isolados devido a conflitos de pacotes entre backends como vLLM e MLX.
- O desempenho de baixa latência em modelos maiores exige hardware de GPU moderno ou chips Apple Silicon recentes.
- Configurar instâncias de produção requer conhecimento técnico de comandos de terminal, protocolos WebSocket e configuração personalizada de SSL.
Preços & licença
O WhisperLiveKit é totalmente gratuito e de código aberto sob a licença Apache-2.0. O desenvolvedor não fornece planos pagos hospedados, portanto, sua única despesa é a infraestrutura de servidor ou hardware necessário para executar os modelos.
Vagas para quem fala português
874 vagas remotas abertas de treinamento de IA, atualizadas em 15 de novembro de 2026; a maioria paga $20–$170 por hora. 8 delas pedem falantes de português. O Zekai lista de graça; a candidatura vai para a plataforma do empregador.
Alternativas
Estas ferramentas de IA avaliadas fazem o mesmo trabalho na hora — do nosso diretório avaliado.
Use, ou deixe que a gente configure
FAQ
O WhisperLiveKit gera arquivos de legenda?
Sim, você pode executar wlk transcribe --format srt file.mp3 para gerar arquivos de legenda diretamente da linha de comando.
Posso executar este software em Macs com Apple Silicon?
Sim, ele fornece pacotes opcionais dedicados para modelos Whisper e Voxtral acelerados por MLX em hardware macOS.
