WhisperLiveKit
Сервер распознавания речи и перевода в реальном времени с возможностью саморазвертывания, поддерживающий потоковые Whisper, Voxtral и диаризацию.
Разверните на собственном сервере низкозадержковую потоковую транскрипцию, диаризацию спикеров и перевод с помощью API, совместимых с OpenAI.
WhisperLiveKit — это сервер распознавания речи и потокового перевода с открытым исходным кодом, созданный для обработки аудио в реальном времени с низкими задержками. Он предназначен для команд локализации, разработчиков ПО и переводчиков, которым необходимы транскрипция в реальном времени и многоязычный перевод на собственном оборудовании. Он сразу предоставляет готовые эндпоинты, совместимые с OpenAI и Deepgram.
Что это
Программа буферизует входящие аудиопотоки и обрабатывает их инкрементно с помощью политик, таких как AlignAtt и LocalAgreement, чтобы предотвратить обрезание слов посреди произношения. Она обрабатывает многоканальное аудио с несколькими спикерами с помощью потоковой диаризации Sortformer и переводит речь на более чем 200 языков в реальном времени. ПО предоставляет эндпоинты WebSocket, REST-маршруты, а также включает встроенный веб-интерфейс и CLI-утилиты.
Для кого
Продукт подходит разработчикам и специалистам по локализации, создающим системы живых субтитров, рабочие процессы субтитрования или голосовые приложения без облачных зависимостей. Он не подходит нетехническим пользователям, которым требуется настольное приложение в один клик, так как настройка требует работы с терминалом и выбора моделей.
Ключевые возможности
Одновременный многоязычный перевод речи
Переводит живое аудио на 200 языков с использованием встроенных моделей декодера NLLW и AlignAtt4LLM.
Диаризация спикеров в реальном времени
Определяет и разделяет несколько одновременных спикеров "на лету" с использованием бэкендов Streaming Sortformer или NeMo.
Слой совместимости с API
Предоставляет эндпоинты, совместимые с SDK Python для OpenAI и WebSocket для Deepgram, для простой интеграции в существующий код.
Инкрементная обработка с низкими задержками
Использует политики AlignAtt и LocalAgreement для исключения обрезания слогов во время потоковой передачи аудио.
Готово за 3 шага
Наш честный вердикт
Плюсы
- Обеспечивает двойную совместимость с REST API OpenAI и WebSocket API Deepgram для существующих баз кода приложений.
- Поддерживает множество модульных бэкендов, включая Whisper, Voxtral, Qwen3-ASR и SenseVoice.
- Контекстно переводит живое аудио на 200 целевых языков с помощью специализированных модулей перевода.
- Работает полностью на локальном оборудовании с поддержкой CUDA, Apple Silicon MLX и CPU.
Минусы
- Управление опциональными дополнениями требует нескольких изолированных окружений Python из-за конфликтов пакетов между бэкендами вроде vLLM и MLX.
- Производительность с низкими задержками на более крупных моделях требует современного GPU-оборудования или недавних чипов Apple Silicon.
- Настройка производственных инстансов требует технических знаний команд терминала, протоколов WebSocket и настройки пользовательских SSL.
Цены и лицензия
WhisperLiveKit полностью бесплатен и имеет открытый исходный код под лицензией Apache-2.0. Разработчик не предоставляет платных хостинг-тарифов, поэтому вашими единственными затратами являются серверная инфраструктура или оборудование, необходимые для выполнения моделей.
Вакансии для носителей русского языка
874 открытых удалённых вакансий по обучению ИИ, обновлено 15 ноября 2026 г.; в большинстве оплата $20–$170 в час. Из них 2 — для носителей русского языка. Zekai публикует их бесплатно; отклик уходит на платформу работодателя.
Альтернативы
Используйте сами или мы всё настроим
Вопросы
Генерирует ли WhisperLiveKit файлы субтитров?
Да, вы можете запустить wlk transcribe --format srt file.mp3 для генерации файлов субтитров напрямую из командной строки.
Могу ли я запустить это ПО на компьютерах Mac с Apple Silicon?
Да, оно предоставляет специализированные опциональные пакеты для моделей Whisper и Voxtral с ускорением MLX на оборудовании macOS.
