transcribe_client

Transcribe Client — 批次轉錄客戶端

從本機麥克風擷取音訊，以 WhisperX / OpenAI Whisper / Groq 做批次轉錄，再把結果送到 OpenTransLive live_server。

語言：繁體中文（English）

多數情境直接用 live_server panel 的瀏覽器麥克風即可，不必跑這隻 client。 適合需要本機 GPU 推論 (WhisperX)、或想用 OpenAI／Groq API 而非 ElevenLabs Scribe 的場合。 即時串流轉錄請改用 ../realtime_client。

安裝

cd transcribe_client
uv sync
cp .env.example .env
# 編輯 .env

設定 (.env)

變數	說明
SERVER_ENDPOINT	OpenTransLive 伺服器網址
API_KEY	個人 API 金鑰（於 /user-dashboard 產生，帳號需擁有或共同擁有目標 room）
TRANSCRIBER	whisperx / openai / groq
TRANSCRIBE_MODEL	Whisper 模型名稱（例如 deepdml/faster-whisper-large-v3-turbo-ct2）
TRANSCRIBE_DEVICE	cuda 或 cpu
OPENAI_API_KEY	OpenAI（翻譯或 Whisper API 使用）
GROQ_API_KEY	Groq（使用 Groq 時填）
AI_MODEL	翻譯用模型，例如 gpt-4.1-mini
TRANSLATE_LANGUAGES	目標翻譯語言，例如 zh-Hant,ja,ko,en
COMMON_PROMPT	活動背景或翻譯上下文
RECORD_TIMEOUT	錄音超時（秒）
RECORD_ENERGY_THRESHOLD	語音偵測閾值
RECORD_PAUSE_THRESHOLD_MS	句子暫停判斷時間（毫秒）

API_KEY 安全性：請為這台機器準備專用的非 admin 帳號,只要該帳號擁有(或共同擁有)目標 room 即可推字幕 —— key 不需要更多權限。即使誤用 admin 帳號的 key,伺服器也會拒絕 key 對管理端點(建立帳號、rotate、設定)的呼叫,但最小權限仍是正確做法。key 只在連線時傳一次,不會隨每次更新重送。

執行

uv run python run.py -t your_session_id

-t 指定要送往哪個 session。client 會持續從預設麥克風讀取音訊、轉錄、翻譯、推送到伺服器。

與其他元件的關係

• live_server panel 的瀏覽器麥克風（ElevenLabs Scribe）：最低門檻、不需安裝任何 client。
• 本 client：需要本機推論或想用 Whisper 系列 API 時使用。
• realtime_client：需要更低延遲、走 ElevenLabs Scribe Realtime 或 Google STT 串流。