FunASR的Java实现Paraformer实时语音识别 | 一款无需联网的本地实时字幕软件

0. 开发背景

我们在看直播时,没有视频字幕,可能看惯了视频字幕,来到直播中缺少字幕会感觉不习惯,特别是对于听力障碍的人群,只能依赖于字幕,那么这个软件可以解决直播,在线会议等场景中无字幕的情况。此外,我们还可以用于人机交互中,以及智能呼叫中心系统中(实时语音质检)。因此,开发一款可以运行在普通CPU中的实时字幕软件很有必要。

1. 使用技术栈

该软件使用JavaFX开发,为何是使用Java来开发桌面应用软件,因此作者我熟悉Java,对于其它开发语言没那么熟悉,所以选择了Java作为开发语言。

为了能够在内网或者是断开网络的情况下使用,这里不是调用云API方式实现,而是采用了本地电脑算力进行推理,并且不要求使用GPU,只需普通的CPU就可以进行实时语音识别,同时占用的资源很低。

模型采用国内大厂阿里巴巴达摩院开源的Paraformer-Streaming流式模型,导出为onnx格式,然后使用onnxruntime推理框架来推理。可以对模型进行int8规格的量化,使得占用的资源更少,推理的速度更快,关键是量化后模型精度基本不受影响。

2. 功能介绍

具体功能:

  1. 可以背景颜色透明,防止遮挡其它窗口。当鼠标停留在上面时,会显示半透明状态,方便用户设置软件。
  2. 可以设置显示的字体大小和字体颜色。
  3. 可以拖动显示的位置,默认在主屏幕的下方居中显示,如果你还有副屏,可以把字体显示拖动到副屏中。

3. 软件效果演示

Java开发的实时语音识别项目 | 实时语音识别 | 内网可用实时语音识别项目 | 开源的实时语音识别模型 | FunASR

4. 其它

项目已经开源,点击这里访问项目源码,如果无法访问,可以点击这里

博客:点击这里

相关推荐
JiaWen技术圈2 分钟前
关于机器人的物理结构(连杆、关节、执行器)的快速入门介绍
人工智能·单片机·嵌入式硬件·机器人·硬件架构
科技峰行者7 分钟前
阿里云瓴羊发布企业级AI智能体服务平台AgentOne,成就AI时代的“超级公司”
人工智能·阿里云·ai·云计算·羚羊
zhuwei_clark10 分钟前
Spring AI(七)Spring AI 的RAG实现集合火山向量模型+阿里云Tair(企业版)
人工智能·阿里云·云计算
刘火锅24 分钟前
Java读取Excel图片技术详解:悬浮式与嵌入式图片的三种实现方案(支持WPS嵌入和Office Excel嵌入)
java·excel·wps
神云瑟瑟27 分钟前
spring boot拦截器获取requestBody的巨坑
java·spring boot·拦截器
止观止33 分钟前
容器化安装新趋势:云原生到边缘计算
人工智能·云原生·边缘计算
大路谈数字化36 分钟前
小谈:边缘计算
人工智能·边缘计算
博睿谷IT99_1 小时前
Linux 备份与恢复常用命令
java·linux·服务器
sali-tec1 小时前
C# 基于halcon的视觉工作流-章38-单位转换
开发语言·人工智能·数码相机·算法·计算机视觉·c#