Davy
|
fe5cc633ff
|
feat: transcribe_voice 新增 whisper.cpp 后端（macOS Metal GPU 加速） (#78)
* Add transcribe_chat_whisper_cpp.py: macOS whisper.cpp transcription
whisper.cpp variant of transcribe_chat.py for Apple Silicon Macs.
Advantages over transcribe_chat.py:
- Uses whisper-cpp CLI with Metal/ANE GPU acceleration (3-5x faster)
- No PyTorch or openai/whisper Python dependency
- Same idempotent, crash-safe design as transcribe_chat.py
- Auto-detects model from common macOS locations:
~/Library/Application Support/whisper-cpp/,
~/Library/Application Support/Recordly/whisper/, etc.
- --model-size flag for automatic download if no model found
- Configurable --language (default: zh) and --threads
Usage: python3 transcribe_chat_whisper_cpp.py <input.json> [output.json]
* refactor: 将 whisper.cpp 转为后端选项集成到 mcp_server.py 中
根据 PR #78 review 反馈，将独立的 transcribe_chat_whisper_cpp.py 重构为
mcp_server.py 中的 whisper_cpp 后端，与 PR #66 OpenAl 后端模式对齐。
变更:
- mcp_server.py: 新增 _transcribe_whisper_cpp()、_resolve_whisper_cpp_binary()、
_resolve_whisper_cpp_model()，更新 _resolve_active_backend()/_cache_signature()/
_transcribe() 以分发至 whisper_cpp 后端
- transcribe_chat.py: 统一入口 mcp_server._transcribe 自动支持新后端，
仅补充了 backend 打印信息
- 删除 transcribe_chat_whisper_cpp.py
config.json 启用方式:
"transcription_backend": "whisper_cpp",
"whisper_cpp_binary": "...", # 可选，默认自动检测
"whisper_cpp_model": "...", # 可选，默认自动检测
"whisper_cpp_language": "zh", # 可选
"whisper_cpp_threads": 4 # 可选，默认自动检测
* docs: 在语音转录隐私章节补充 whisper.cpp 后端说明
根据 PR #78 review 反馈，在 README.md ⚠️ 语音转录隐私章节
新增 whisper.cpp 后端（macOS Metal GPU 加速）的配置说明、隐私
属性和回退行为，与 OpenAI 后端并列。
|
2026-05-12 11:42:53 +08:00 |
|
btc-z
|
66eddaff0e
|
feat: transcribe_voice 新增 OpenAI Whisper API 后端 (#66)
默认 local，零行为变化。opt-in 双因素：transcription_backend=openai
且 openai_api_key 都齐才生效；任一缺失静默回退 local + stderr 一行警告。
首次进入云路径会 stderr 警告"语音将上传至 OpenAI 服务器"。
新增 config.json 字段：
- transcription_backend: "local" (默认) | "openai"
- local_whisper_model: "base" (替换 mcp_server.py 里硬编码 DEFAULT_WHISPER_MODEL)
- openai_api_key: "" (默认空；openai 包为 optional，按需 pip install)
关键技术选择：
- _transcribe(wav, backend) 单一 if/else 分发，不引入插件/工厂层
(Rule of Three —— 只有一个云后端时不值得抽象)
- 文件 > 25MB 在 OpenAI() 实例化之前提前拒绝，避免无谓上传
- 错误分类清晰: 缺 key / 缺 openai 包 / 401 / 429 / APIError 各自的提示
- PR #58 缓存 schema 自然扩展: 条目加 backend 字段，命中需 backend+model_size 都匹配
- 旧条目缺 backend 字段视为 "local"，向前兼容 PR #58 已落盘的所有数据
- transcribe_chat.py 批量 CLI 与 MCP 工具共享同一份配置，保持一致
新增 2 个测试 (tests/test_openai_backend.py)，只覆盖回归风险最高的两条：
- 文件 > 25MB 必须在 SDK 实例化前拒绝（隐私契约的防线）
- backend 不匹配的旧条目不命中（避免切后端时返回错后端结果）
其余路径要么琐碎（默认值读取）、要么坏掉时声音很大（SDK 错误、ImportError），
要么已被 PR #58 现有测试隐式覆盖（缺 backend 字段的旧条目），不再单独写测试。
顺手把 README 里 PR #53 漏掉的 voice 三件套（get_voice_messages /
decode_voice / transcribe_voice）补进 MCP 工具表，并新增"⚠️ 语音转录隐私"
章节说清数据流向、成本（约 \$0.006/分钟）、25MB 上限、回退行为。
Closes ylytdeng/wechat-decrypt#59
|
2026-05-01 13:56:32 +08:00 |
|