WAAS - Whisper as a Service 全品类

工具介绍

WAAS（Whisper as a Service）是由挪威媒体集团Schibsted开发的开源语音转录服务项目，基于OpenAI Whisper模型构建。该项目旨在将先进的语音识别技术以更易用的方式提供给用户，提供图形界面（GUI）和应用程序接口（API）两种使用模式。项目最初由VG（Verdens Gang，Schibsted旗下挪威最大的新闻媒体）发起，用于解决媒体内容生产中的字幕生成需求。WAAS通过异步队列机制处理转录任务，支持批量文件处理，适合不同规模的用户使用。无论是需要简单上传文件获取字幕的非技术用户，还是需要将转录能力集成到自身系统的开发者，都能通过WAAS找到合适的解决方案。项目在GitHub上开源，用户可以自行部署使用。

效果展示/案例参考

以视频转录场景为例，用户通过Jojo界面上传一个视频文件（如jojo.mov），系统开始自动转录音频内容。转录完成后，用户会收到一封包含下载链接的邮件，可直接下载Jojo格式文件、SRT字幕文件或纯文本文件。若需修正转录错误，用户可将Jojo文件上传至浏览器编辑器，该编辑器完全在本地运行，无需联网。在编辑器中，用户可以按段落收听原始音频（按住Control键即可播放当前选中的段落），并手动修正识别错误。修正完成后保存文件即可得到最终准确的字幕或文本。整个流程从上传到修正完成，实现了半自动化加人工校对的高效工作模式。

核心功能

• Jojo图形界面：提供直观的文件上传与转录入口，用户无需技术背景即可使用，上传后自动处理并通过邮件发送结果。
• 浏览器本地编辑器：完全在浏览器中运行，支持分段播放音频、修正转录文本，保护用户数据隐私不离开本地。
• 异步队列API：通过POST /v1/transcribe接口提交转录任务，系统异步处理，返回job_id供后续查询状态。
• 多格式输出支持：提供JSON、SRT、TXT、VTT等多种输出格式，满足字幕制作、文本整理等不同后期需求。
• 语言自动检测与指定：支持自动检测音频语言，也可通过language参数手动指定目标语言。
• 多模型选择：可通过model参数选择不同的Whisper模型（默认tiny），平衡速度与准确性。
• 转录与翻译双任务：task参数支持transcribe（仅转录）和translate（转录并翻译为英文）两种模式。
• Webhook回调机制：支持webhook_id参数，可将处理结果回调至指定URL，便于自动化工作流集成。
• 语言检测独立接口：提供POST /v1/detect端点，可单独检测音频文件的语言类型。

使用流程

• 步骤1：访问WAAS服务，通过Jojo界面上传音频或视频文件；或调用API发送POST /v1/transcribe请求，在请求体中包含二进制音频数据，并设置email_callback或webhook_id参数。
• 步骤2：系统将任务加入异步队列处理，API调用会返回job_id用于查询进度；GUI方式则自动处理，无需手动查询。
• 步骤3：处理完成后，GUI用户收到包含下载链接的邮件，可下载SRT、TXT或Jojo格式文件；API用户通过GET /v1/download/端点获取结果，指定output参数选择格式。
• 步骤4：如需修正，将Jojo文件加载至浏览器编辑器，分段收听并修正错误，保存最终文件。

使用场景

• 视频内容创作者与字幕组：为YouTube、B站等平台视频快速生成多语言字幕，提升内容可访问性。
• 媒体新闻机构：将采访录音、新闻视频转化为文字稿件，加速新闻生产流程。
• 会议记录与办公场景：将会议录音自动转为文字记录，便于整理纪要和检索关键信息。
• 播客与音频内容生产者：生成播客文字稿，用于内容摘要、SEO优化和多平台分发。
• 开发者集成：通过API将语音转录能力嵌入自有应用或工作流，实现批量音频处理自动化。

独特优势

• 基于OpenAI Whisper的高准确性：采用业界领先的语音识别模型，在多语言场景下表现优异。
• 双模式覆盖全用户群：GUI适合非技术用户快速上手，API适合开发者深度集成，降低使用门槛。
• 异步队列处理机制：适合批量文件转录场景，避免长时间阻塞，提升处理效率。
• 浏览器本地编辑器：修正过程无需上传音频至服务器，最大程度保护数据隐私与内容安全。
• 灵活的输出与回调：支持多种字幕格式和Webhook回调，便于与现有后期制作流程或自动化系统对接。
• 开源可自部署：用户可根据需求自行部署，完全掌控数据流向和系统配置。

常见问题（FAQ）

• Q1: 支持哪些音频或视频格式？

  • A1: 支持常见的音频和视频文件格式，通过GUI可直接上传，API方式则通过二进制数据传输，系统会自动处理并提取音频内容。

• Q2: 转录结果如何获取？

  • A2: GUI用户会收到包含下载链接的邮件，可直接下载；API用户通过GET /v1/download/端点，指定output参数（如srt、txt、json、vtt）获取对应格式文件。

• Q3: 如何修正转录中的错误？

  • A3: 下载Jojo格式文件后，在浏览器编辑器中加载，按住Control键播放当前段落音频，手动修正文字，完成后保存文件即可。

• Q4: 是否支持将非英语音频翻译为英文？

  • A4: 支持。在API调用中将task参数设置为translate，系统会先转录再自动翻译为英文输出；也可结合language参数指定源语言。

• Q5: 可以批量处理多个文件吗？

  • A5: 可以。通过API循环提交多个转录任务，系统会通过异步队列依次处理，每个任务独立返回结果，适合批量场景。

实测体验（由AI创作导航实测）

我们这次实测用WAAS完成了一个视频文件的转录与字幕修正流程。通过Jojo界面上传视频后，系统自动进入队列处理，大约数分钟后收到了包含下载链接的邮件。下载SRT字幕文件后，我们发现大部分内容准确，但专业术语和口音部分存在少量错误。随后使用浏览器编辑器加载Jojo文件，按住Control键逐段听音修正，整个修正过程流畅，本地运行无延迟。优点是双模式设计友好，API文档清晰，适合开发者快速集成；缺点是默认tiny模型在复杂场景下准确性有限，建议根据需求选择更大模型。整体推荐视频创作者和媒体从业者使用，能显著提升字幕制作效率。

内容说明：本文由 AI 基于目标网站公开信息整理生成，旨在帮助读者快速了解工具概况。文中涉及的功能、性能等描述可能随官方更新而变化，请以官方最新说明为准。