语音转文字，然后逐句修改，然后行程会议纪要-wisper版本

etkane

这个有点难度，而且需要hf的权限（语音按人分离等功能），不会申请的话有点困难。
采用wisper（large V3）+ollama+qwen3:8b（全本地化模型）

代码片段：（分项链接带源码）

[Python] 纯文本查看 复制代码

def load_models():
    global whisper_model, diarize_model, align_models
    try:
        update_server_state(status_text="正在加载语音识别模型...", loading_progress=10)
        import whisperx
        from whisperx.diarize import DiarizationPipeline
        device = "cuda"; compute_type = "float16"
        whisper_model = whisperx.load_model("large-v3", device, compute_type=compute_type)
        update_server_state(status_text="正在加载说话人分离模型...", loading_progress=50)
        diarize_model = DiarizationPipeline(token=os.environ.get("HF_TOKEN",""), device=device)
        align_models = (None, None)
        update_server_state(models_loaded=True, status_text="模型就绪", loading_progress=100)
        print("模型加载完成。")
    except Exception as e:
        update_server_state(status_text=f"模型加载失败：{e}", loading_progress=0)

@asynccontextmanager
async def lifespan(app: FastAPI):
    global app_event_loop
    app_event_loop = asyncio.get_running_loop()
    threading.Thread(target=load_models, daemon=True).start()
    yield
    torch.cuda.empty_cache()

app = FastAPI(lifespan=lifespan)

通过网盘分享的文件：会议纪要助手-wisper版本
链接: https://pan.baidu.com/s/1PIu-qm38JQAztKZKnznBnw?pwd=52pj 提取码: 52pj
--来自百度网盘超级会员v8的分享

y294945022

意思是 这技术和设置 有些复杂 ？
hf的权限    是具体指什么
不会申请的话有点困难 ，这申请是指什么

etkane

shiwx01 发表于 2026-7-6 08:50
我是想知道是什么意思？

huggingface访问令牌，一些模型，必须要有key才能运行，是本地化模型，但必须申请key，申请是免费的，但是国内访问huggingface有困难。我最近在写一个不用hf的模型的同类软件，看来大家都有需求。不会申请的，等另一个国内模型的吧，估计需要点时间，因为不是自用了，多了很多麻烦

yangl025

好东西，支持一下

cux666

像人一样聪明，逐句修改，收藏

feishow

这个工具太方便了

jack3255

能再具体一些吗

x1331366

能详细说明一下吗

cbkxh

看介绍没看懂，小白能用吗

jeft1949

不太明白，感觉是好工具。

空处

全本地化模型为什么还要申请，申请指的是什么，能否详细说明一下