WhisperLiveKit

WhisperLiveKit 是一个用于实时语音转文字的自托管系统，具备超低延迟和说话人识别功能。项目基于最新的Simul-Whisper/Streaming技术，采用AlignAtt策略实现高效低延迟的语音转录；同时集成了NLLW技术，支持200种语言之间的即时翻译。它还利用了Streaming Sortformer和Diart等前沿技术进行实时说话人分离，确保在多说话人场景下的准确性和流畅性。此外，WhisperLiveKit通过Voxtral Mini模型增强了对多种语言的支持，并使用Silero VAD来提高语音活动检测的精度。该项目特别适用于需要快速响应且能区分不同发言者的在线会议、直播字幕生成及远程教育等场景。