dschlueter
cb7022a298
- 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>
34 lines
1.9 KiB
Markdown
34 lines
1.9 KiB
Markdown
# 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`.
|