佛系程序员
首页
栏目
标签
归档
关于
友链
佛系程序员
首页
栏目
标签
归档
友链
关于
音视频转文字工具线上部署宝塔面板
学习笔记
网站开发
发布日期: 2025-05-24 16:56:20
喜欢量: 9 个
阅读次数:
81
宝塔面板
阿里云服务器：99元/年的2核2G,3Mbps 系统：Alibaba Cloud 3 (OpenAnolis Edition) x86_64(Py3.7.16) 宝塔面板：免费版9.5.0 ****登录「宝塔面板」，进入「终端」 cd /www/wwwroot # 替换为你希望存放项目的目录 git clone https://gitee.com/phpervip/speech-to-text.git cd speech-to-text pip install -r requirements.txt 面板-网站- Python项目， 添加项目，Python版本号：3.10.14，（这是之前安装好的版本） 命令行启动， 输入：streamlit run app.py --server.port 8501 --server.address 0.0.0.0 如图： stt_explore_01.png  保存后，此项目，状态，未启动(启动中), 点 设置，可以看到，启动过程，如有错误，能看到错误提示。 stt_explore_02.png   进入阿里云，在安全组，开放：8501 回到此项目， 如果启动成功，状态会变成：运行中。 如还没有成功，查看「设置」，「项目日志」，会有报错情况。 此项目还需安装ffmpeg 在「宝塔面板」-「软件商店」-找到「ffmpeg管理器 1.0」-安装 ffmpeg 我安装的是ffmpeg-6.1， stt_explore_03.png  安装完成后，在终端输入「ffmpeg」，检查有正确返回。 在「宝塔面板」-「网站」-「反向代理」 设置反向代理，使用域名访问： stt.xiuxinwenhua.com 在「SSL证书」，申请证书。 stt_explore_04.png  网站就可以打开了。 还要下载大模型： 一般都在~/.cache/whisper目录下。 ssh 登录root@your_server_ip，先将本机设置为免密登录。 在服务器上，直接下载： wget https://openaipublic.azureedge.net/main/whisper/models/ed3a0b6b1c0edf879ad9b11b1af5a0e6ab5db9205f891f668f8b0e6c6326e34e/base.pt -P ~/.cache/whisper/ wget https://openaipublic.azureedge.net/main/whisper/models/345ae4da62f9b3d59415adc60127b97c714f32e89e936602e85993674d08dcb1/medium.pt -P ~/.cache/whisper/ 我下载了whisper的base, medium 的多语言模型。vosk 就没有下载了。 所以线上服务器，没有vosk可选，whisper模型也只有base,medium. 你也可以下载vosk的模型，whisper的其他模型，再把选择项显示出来。 使用vosk的其他语言时，还需要修改代码。 线上服务器配置不高，里面又放了其他网站，所以处理起来很慢。 用一个几秒的语音文件做测试。 想要速度，可以用base，准确率稍低。 想要准确率，就用medium，比较慢。 增加服务器配置，特别是内存，提高内存到8G、16G。 个人或公司内部使用，可在本地搭建，在内部局域网进行搭建。 使用图示： 1.左侧 不勾选 AI纠错，测试一个中文语音，  2.左侧 勾选 AI纠错，测试一个中文语音，  3.测试一个英文语音，  4.下载生成的文件包，  5.注意，由于只有一个页面，点击下载按钮后，一定要下载保存，不然页面就重置了。又要重新转录。 #### 错误处理  原因：缺少模块 解决办法：增加模块  #### 曾遇到的报错 转换时，报错： 处理失败: terminate called after throwing an instance of 'std::runtime_error' what(): random_device could not be read 问题分析： 表明程序在尝试读取系统的随机设备（通常是 /dev/random 或 /dev/urandom ）时失败了。这通常发生在服务器环境（特别是虚拟机或容器）中，因为系统可能没有足够的“熵”（entropy，用于生成随机数的随机性来源），或者对这些设备文件的访问有问题。 --- TRAE 给的方法，没有奏效。 sudo yum install haveged -y # 或者 sudo dnf install haveged -y sudo systemctl enable haveged # 设置开机自启 sudo systemctl start haveged # 立即启动服务 sudo systemctl status haveged # Or sudo service haveged status 这一句之后，不要关闭。 haveged 服务正是为了解决这类问题而运行的。它通过收集系统上的随机事件来增加熵池，从而确保需要随机数的程序能够正常运行。 补充： 安装并启动 haveged 服务 不需要 很多的内存空间。 haveged 是一个非常轻量级的守护进程，它的主要作用是收集系统上的随机事件（如 CPU 抖动）来生成熵，并将其提供给操作系统的随机数生成器。它本身占用的内存资源非常少，通常在几十 MB 甚至更低。 所以，安装 haveged 不会对你的服务器内存造成显著的负担。它主要是为了解决虚拟机或某些服务器环境下熵不足的问题，从而避免程序在需要随机数时出错。 cat /proc/sys/kernel/random/entropy_avail 256 The output 256 for /proc/sys/kernel/random/entropy_avail confirms that your system currently has a very low amount of available entropy (only 256 bits). 在终端手动运行。 streamlit run app.py 以观察控制台的输出。 界面正常显示了，在转换文字时，一下在「处理中」，可能是在自动下载whisper的模型。 手动将base.pt上传到(这个非常慢，不要尝试) root@your_server_ip:/root/.cache/whisper/ 在本地电脑上执行 scp /path/to/your/local/base.pt root@your_server_ip:/root/.cache/whisper/ --- 前面的问题又出现了，ChatGPT给的方法，改代码， 解决方案一：更换 random_device 为伪随机 如果你能控制源代码，比如你使用了 Huggingface、OpenAI、whisper、ffmpeg、torchaudio 等音视频处理库，并且你在初始化模型或某些操作时调用了随机种子，可以尝试显式设置伪随机源。例如： import random random.seed(42) import numpy as np np.random.seed(42) import torch torch.manual_seed(42) 于是在main.py中， 增加：代码。设置随机种子以避免 random_device 错误 --- 再次运行，报错，ffmpeg 系统在尝试执行 ffmpeg 命令时找不到它。 原因： FFmpeg 软件没有安装在你的服务器上 解决办法： sudo yum install epel-release -y sudo yum localinstall --nogpgcheck https://download1.rpmfusion.org/free/el/rpmfusion-free-release-7.noarch.rpm https://download1.rpmfusion.org/nonfree/el/rpmfusion-nonfree-release-7.noarch.rpm -y ffmpeg -version 宝塔面板安装： ffmpeg管理器,选择了ffmpeg-6.1安装。 安装完成后，设置为默认。 再检查ffmpeg. --- chat GPT 润色后 --- 以下是为你整理润色后的技术博客文章版本，适合发布在博客平台，条理清晰、适合读者参考搭建类似的项目： --- # 搭建一个语音转文字的全栈项目：基于 Streamlit + Whisper 的实践指南 最近我在一台阿里云轻量级服务器上成功部署了一个语音转文字（Speech-to-Text）的全栈 Demo，支持 Whisper 模型的语音转写，还可以选择 AI 自动纠错，并支持中文和英文语音测试。这篇文章将完整记录从环境配置、项目部署、模型下载到使用效果的全过程，帮助你快速上手。 --- ## 一、服务器与系统环境 * **云服务器**：阿里云 99 元/年轻量服务器 * **配置**：2 核 CPU + 2G 内存 + 3Mbps 带宽 * **系统版本**：Alibaba Cloud Linux 3 (OpenAnolis Edition) x86\_64 * **Python 环境**：系统自带 Python 3.7.16，另安装 Python 3.10.14 * **可视化面板**：宝塔面板（免费版 9.5.0） --- ## 二、项目部署步骤 ### 1. 克隆代码仓库 打开宝塔面板 → 终端，进入你希望存放项目的目录（如 `/www/wwwroot`）： ```bash cd /www/wwwroot git clone https://gitee.com/phpervip/speech-to-text.git cd speech-to-text pip install -r requirements.txt ``` ### 2. 使用宝塔添加 Python 项目 * 打开宝塔 → 网站 → Python 项目 → 添加新项目 * 选择 Python 版本为 **3.10.14** * 启动命令填写： ```bash streamlit run app.py --server.port 8501 --server.address 0.0.0.0 ``` * 保存后，如果状态显示为「启动中」，可以进入【设置】查看实时输出或错误日志，定位启动失败原因。  --- ## 三、安装 ffmpeg 支持音视频格式转换 * 打开宝塔 → 软件商店 → 搜索 `ffmpeg管理器` * 安装（我选择的是 `ffmpeg-6.1`） * 安装完成后在终端测试： ```bash ffmpeg ``` 如返回版本信息说明安装成功。 --- ## 四、开放服务器端口 & 设置域名访问 ### 1. 在阿里云控制台开放 8501 端口 * 控制台 → 安全组 → 添加入方向规则 → TCP → 端口范围：8501 ### 2. 使用宝塔设置反向代理和 SSL * 宝塔 → 网站 → 反向代理 * 添加代理规则指向：`http://127.0.0.1:8501` * 绑定域名如：`stt.xiuxinwenhua.com` * 添加 SSL（可使用 Let’s Encrypt 免费证书）  --- ## 五、下载 Whisper 模型（重点） 系统默认从 Hugging Face 下载模型可能较慢，可以手动下载： ```bash # 登录服务器终端 wget https://openaipublic.azureedge.net/main/whisper/models/ed3a0b6b1c0edf879ad9b11b1af5a0e6ab5db9205f891f668f8b0e6c6326e34e/base.pt -P ~/.cache/whisper/ wget https://openaipublic.azureedge.net/main/whisper/models/345ae4da62f9b3d59415adc60127b97c714f32e89e936602e85993674d08dcb1/medium.pt -P ~/.cache/whisper/ ``` > 📌 路径默认是 `~/.cache/whisper/`，也可以通过代码修改加载路径。 --- ## 六、实际使用说明 虽然服务器配置有限，运行速度不算快，但能流畅处理几秒的语音测试文件。你可以根据需要选择： * **base 模型**：转写速度快，准确率适中 * **medium 模型**：更高的准确率，但运行速度慢，对资源要求高 推荐至少 **8G 内存** 或更高配置用于生产部署。 注：我在示例服务器只下载了whisper的base, medium 的多语言模型。vosk 就没有下载了。 所以没有vosk可选，whisper模型也只有base,medium. 你也可以下载vosk的模型，whisper的其他模型，再把选择项显示出来。 若使用vosk的其他语言时，还需要修改代码。 --- ## 七、功能体验图示 ### ✅ 无 AI 纠错，仅语音转写：  ### ✅ 启用 AI 纠错（中文）：  ### ✅ 英文语音转写：  ### ✅ 下载结果文件（ZIP 包）：  > ⚠️ 提醒：由于页面是单页结构（Streamlit 单页面应用），点击下载后记得立即保存，否则页面刷新后需重新上传并转写！ --- ## 八、部署建议与总结 * **本地局域网部署**：如公司内部使用，可部署在内网机器，无需公网与 SSL 配置。 * **使用场景**：语音会议摘要、教育课程录音整理、播客转写、客服记录等。 * **适配优化**：可拓展支持 `vosk` 模型、多语言切换、转写历史保存功能等。 --- ## 结语 这个项目是一次低成本、高实用性的小型 AI 应用部署实践，特别适合个人开发者和中小团队快速体验语音转文字技术。你可以自由扩展它的前后端功能，甚至对接微信、钉钉、飞书等做深度集成。 项目源码地址：[Gitee - speech-to-text](https://gitee.com/phpervip/speech-to-text) 欢迎交流、建议或二次开发反馈～ --- 是否需要我继续帮你将其**发布到某个技术社区**（如CSDN、知乎专栏、掘金等）的格式或平台上？也可以为你生成**微信公众号图文格式**。
文章作者:
yyii
文章链接:
http://amtb.info/show/MjEy
版权声明:
本博客所有文章除特別声明外,转载请注明来源
佛系程序员
!
分享：
搜索