whisper-stt-cli/requirements.txt
dschlueter a986cbe42a STT-Dienst: Kern, HTTP/WebSocket/Wyoming-Service, CLI, Tests, systemd-Unit
- stt_core.py: Whisper-Engine (einmal laden, CPU-Fallback), Audio-Dekodierung
  jedes Formats, Halluzinationsfilter, Äußerungserkennung per Silero-VAD
- stt_service.py: /health, /v1/audio/transcriptions (OpenAI), /transcribe (Rohdaten),
  WS /ws/stream; Inferenz im Worker-Thread, begrenzte Warteschlange (503)
- stt_wyoming.py: Home-Assistant-Anbindung (TCP 10300)
- stt_cli.py: Datei/Mikrofon über den Dienst oder lokal
- Tests (Unit + Integration), README, requirements.txt, deploy/stt-service.service

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
2026-09-13 21:34:03 +02:00

26 lines
863 B
Text

# SpeechToText — Abhängigkeiten
# Getestet mit Python 3.12, CUDA 12.x (ctranslate2 4.6), Ubuntu
#
# GPU: ctranslate2 braucht cuBLAS 12 + cuDNN 9 (z. B. über pip-Pakete
# nvidia-cublas-cu12 / nvidia-cudnn-cu12 oder eine vorhandene CUDA-Installation).
# --- STT-Kern (stt_core.py) ---
faster-whisper>=1.2.0 # bringt ctranslate2, PyAV (Dekodierung) und Silero-VAD (onnxruntime) mit
numpy>=1.26
scipy>=1.11 # Resampling ganzer Signale
soxr>=0.3 # Streaming-Resampling (optional, sonst Fallback auf scipy)
# --- Dienst (stt_service.py) ---
fastapi>=0.115,<1.0
uvicorn[standard]>=0.32,<1.0
python-multipart>=0.0.9 # /v1/audio/transcriptions (multipart)
wyoming>=1.6,<2.0 # Home Assistant (stt_wyoming.py)
# --- CLI (stt_cli.py) ---
sounddevice>=0.4
requests>=2.31
websockets>=13
# --- Tests ---
pytest>=8
httpx>=0.27