# SpeechToText **Repository Path**: yzd_org/speechToText ## Basic Information - **Project Name**: SpeechToText - **Description**: 🔥🔥🔥基于websocket实现浏览器端文本、视频、语音的即时通讯，以及实时语音转文字 - **Primary Language**: Java - **License**: Apache-2.0 - **Default Branch**: master - **Homepage**: https://gitee.com/ailemon/ASRT_SpeechRecognition - **GVP Project**: No ## Statistics - **Stars**: 148 - **Forks**: 65 - **Created**: 2021-07-06 - **Last Updated**: 2025-12-25 ## Categories & Tags **Categories**: tts **Tags**: WebSocket, speechToText, ASRT, SpeechRecognition ## README # websocket 实时 语音转文字 应用 >该项目为语音转文字项目，识别率达80到90，该项目完全开源，且支持离线部署。 项目内容包括： + 语音、文本、视频实时通讯 + 基于(开源)AI柠檬的实时语音转文本 + 基于讯飞的实时语音转文本 + 基于vosk的实时语音识别 ## AI柠檬-部署、启动说明 + idea配置tomcat启动 + 默认端口：8080 + 录音访问地址：http://localhost:8080/ws/luyin3.html + 实时语音撰写时，将在项目路径存储音频文件 + 控制台实时输出转写结果 + 页面实时展示转写结果 + 实时调用ARST语音转写服务器 + javas实现 ## vosk-部署、启动说明 > 采用 python实现基于vosk 的实时语音识别, Java实现音频转写存在内存泄漏问题，暂未解决 > vosk 安装： python -m pip install -U vosk > vosk 模型下载： https://alphacephei.com/vosk/models > 需下载响应的训练模型,加压到位置`src/main/resources/model` + 实时转写后端代码[位置](./src/main/resources/websoket.py) + 实时转写前端代码[位置](./src/main/resources/static/ws/websoket.html) 引入的js文件已做修改，必须使用该项目内的js + 麦克风转写代码(测试)[位置](./src/main/resources/test_microphone.py) + wav文件转写代码[位置](src/main/resources/test_simple.py) + 文件上传并转写代码[位置](./src/main/resources/fileConvert.py) + flask文件上传demo代码[位置](./src/main/resources/testFileUpload.py) ## 转写说明 + [AI柠檬-前端录音](./src/main/resources/static/ws/luyin3.html) 可根据需要修改websoket连接地址和音频流发送频率 + [AI柠檬-后端接收录音](./src/main/java/com/example/demo/soket/AudioController.java) AI柠檬实现实时接收音频流并撰写 + [python实现pcm转wav代码位置](./src/main/resources/pcmToWav.py) + [python实现websoket示例代码位置](./src/main/resources/demo.py) + [AI柠檬转写服务代码](./src/main/resources/asrserver.py) + [python实现AI柠檬websoket转写代码](./src/main/resources/server.py) ## 参考网址 + [html5 js 浏览器 web端录音](https://github.com/2fps/recorder) [演示网址](https://recorder.zhuyuntao.cn/) + [PCM数据格式介绍](https://blog.csdn.net/qq_25333681/article/details/90682989?utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromMachineLearnPai2%7Edefault-3.control&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromMachineLearnPai2%7Edefault-3.control) + [ASRT_SpeechRecognition](https://gitee.com/ailemon/ASRT_SpeechRecognition) + [ASRT语音识别系统 文档](https://asrt.ailemon.net/docs/) + [音频格式简介和PCM转换成WAV](https://blog.csdn.net/u010126792/article/details/86493494) + [adpcm](https://github.com/MDZhB/jt-adpcm) + [vosk安装和使用](https://blog.csdn.net/qq_35385687/article/details/119209189?spm=1001.2014.3001.5501) ## 📞联系方式 如有任何问题或建议，请联系项目维护者。 - 个人网站：https://yzd1206.blog.csdn.net - QQ：121665820 ## 🛠️ 推荐工具 如果您正在使用 Hutool 工具库，强烈推荐搭配 `hutool-plus` 使用，这是一个基于 Hutool 的增强工具包，秉承"只做增强不做改变"的设计理念， 为简化开发、提高效率而生。完全兼容 Hutool 原有 API，提供了更多开箱即用的功能模块，特别是在 Spring 生态集成方面做了大量优化工作，让您能够更专注于业务逻辑实现。

🍬Hutool最佳搭档，只做增强不做改变，为简化开发、提高效率而生

### 📚简介 `hutool-plus`是基于[Hutool](https://hutool.cn/)的增强工具包，秉承"Hutool最佳搭档，只做增强不做改变"的设计理念，致力于进一步简化Java开发，提升开发效率。 `hutool-plus`在Hutool的基础上进行了功能增强和扩展，保留了Hutool原有的所有优秀特性，同时增加了更多实用的功能模块，特别是在Spring生态集成方面做了大量工作。 GitCode源码仓库地址：[https://gitcode.com/yzd1206/hutool-plus](https://gitcode.com/yzd1206/hutool-plus) Gitee源码仓库地址：[https://gitee.com/yzd_org/hutool-plus](https://gitee.com/yzd_org/hutool-plus) Maven仓库地址(网页1)：[https://repo1.maven.org/maven2/io/github/yzd1206](https://repo1.maven.org/maven2/io/github/yzd1206) Maven仓库地址(网页2)：[https://mvnrepository.com/artifact/io.github.yzd1206](https://mvnrepository.com/artifact/io.github.yzd1206) ## ⭐Star Hutool [![Stargazers over time](https://starchart.cc/chinabugotech/hutool.svg)](https://starchart.cc/chinabugotech/hutool)