流媒体翻译器(stream-translator)安装与使用指南
stream-translator项目地址:https://gitcode.com/gh_mirrors/st/stream-translator
目录结构及介绍
流媒体翻译器项目主要目录及其功能描述如下:
-
stream_translator_gpt: 包含了核心的代码实现。
__init__.py
: Python包初始化文件。translator.py
: 负责音频转文字并翻译的核心逻辑处理。- 其他可能存在的辅助脚本或模块(具体依赖于项目最新版本)。
-
.gitignore
: Git忽略规则文件,定义在Git提交时不需要跟踪的文件类型。 -
LICENSE
: 许可证文件,说明项目的版权和使用条款。 -
README.md
: 主要的读我文件,介绍项目特性、安装步骤以及如何使用。 -
requirements.txt
: 列出了运行项目所需的Python库及其最低版本要求。 -
pyproject.toml
: Poetry或PDM等现代Python构建工具使用的配置文件。
特别提示
对于.git
目录和其他杂项如github/workflows
等,这些是Git仓库的元数据及CI/CD工作流程配置,通常不在开发者的日常操作范围内。
启动文件介绍
核心的启动文件是translator.py
,它负责整个音频流识别与翻译的工作流程:
- 音频采集: 支持从设备麦克风、系统音频或指定音频流中捕获输入。
- 语音识别: 使用Whisper或其他支持的模型将音频转换为文本。
- 语言检测与翻译: 自动检测输入语言并将之翻译为目标语言。
- 结果输出: 可以打印到控制台、发送至特定服务(如CQHTTP/Discord webhook)、或保存为字幕文件。
配置文件介绍
尽管项目本身没有明确的独立配置文件(如.ini或.json),但配置通过命令行参数传递给translator.py
。例如:
--model
: 指定用于识别的语言模型大小。--language
: 设定待识别的输入语言。--use_whisper_api
,--use_faster_whisper
, etc.: 选择不同的识别引擎。--cqhttp_url
,--cqhttp_token
,--discord_webhook_url
: 设置目标输出的服务API信息。--output_file_path
: 字幕文件的输出路径。
此外,某些选项(如API密钥)可能是敏感的且不应硬编码在脚本中,因此建议在执行stream-translator-gpt
命令时动态提供。
以上,结合requirements.txt
内的库,构成了项目的主要功能组件和配置方式。通过阅读README.md
中的详细说明与示例,可以更深入地理解每种配置的作用及其正确设置方法。
stream-translator项目地址:https://gitcode.com/gh_mirrors/st/stream-translator