dschlueter/whisper-stt-cli
Watch
1
0
Fork
You've already forked whisper-stt-cli
 0
Code Issues Pull requests Projects Releases Packages Wiki Activity
whisper-stt-cli/CHANGELOG.md
dschlueter cb7022a298 Dokumentation aktualisiert, CHANGELOG ergänzt, Version 0.2.0 
- CHANGELOG.md neu (0.1.0, 0.2.0)
- Bedienungsanleitung: LLM-Korrektur in Überblick, Voraussetzungen, Installation, Deinstallation
- Entwicklerdoku: Output-Klasse, STT_LLM_*-Konfiguration, Nebenläufigkeitsregel für Ausgaben,
  Erweitern (LLM/Prompt), Grenzen und nächste Schritte
- README, CLAUDE.md: Verweise und Befehle ergänzt
- stt_core.__version__ = 0.2.0

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
2026-09-14 01:02:21 +02:00

1.9 KiB
Raw Blame History

Änderungsprotokoll

Alle nennenswerten Änderungen an SpeechToText. Versionsnummer: stt_core.__version__ (erscheint in /health, in der FastAPI-Doku und im Wyoming-info).

0.2.0 — 2026-09-14

Neu

  • CLI --until-enter: Aufnahme mit beliebig langen Pausen; Enter beendet, der gesamte Text wird als ein Ergebnis ausgegeben. Funktioniert mit dem Dienst und mit --local.
  • Optionale LLM-Nachkorrektur (stt_llm.py, CLI --llm-correct, --llm-model, --llm-url): korrigiert offensichtliche Erkennungsfehler mit einem lokalen LLM (Standard gemma4:12b über Ollama, OpenAI-kompatible Server möglich). Strenger Prompt, Ähnlichkeitsprüfung und Fehler-Fallback auf den Rohtext; --json liefert raw_text und Korrekturdetails. Standardmäßig aus.
  • Umgebungsvariablen STT_LLM_* für die LLM-Korrektur.
  • Umfassende Dokumentation: BEDIENUNGSANLEITUNG.md, docs/API.md, docs/ENTWICKLER.md, dieses Änderungsprotokoll.

Geändert

  • Ungültige Kombinationen von CLI-Optionen enden mit Exit-Code 1 (Fehler) statt 2.
  • Die alten Einzelskripte stt.py und stt_respeaker.py liegen jetzt in legacy/.

0.1.0 — 2026-09-13

Erste Version als Dienst — Neuentwurf des alten Einzelskripts stt.py.

  • stt_core.py: Whisper-Engine (faster-whisper) mit einmaligem Laden, GPU→CPU-Fallback, Dekodierung beliebiger Audioformate, Halluzinationsfilter, Äußerungserkennung per Silero-VAD.
  • stt_service.py: FastAPI-Dienst mit /health, /v1/audio/transcriptions (OpenAI-kompatibel), /transcribe (Rohdaten) und WS /ws/stream (Live-Streaming); Inferenz in einem Worker-Thread, begrenzte Warteschlange (HTTP 503).
  • stt_wyoming.py: Wyoming-Protokoll für Home Assistant (TCP 10300).
  • stt_cli.py: Dateien und Mikrofon über den Dienst oder lokal; Standardmikrofon über PipeWire, ReSpeaker XVF3800 automatisch mit ASR-Kanal.
  • Tests (Unit und Integration), systemd-User-Unit deploy/stt-service.service.