搭建一个语音转文字的简单全栈项目：基于 Streamlit + Whisper 的实践指南

最近我在一台阿里云轻量级服务器上成功部署了一个语音转文字（Speech-to-Text）的全栈 Demo，支持 Whisper 模型的语音转写，还可以选择 AI 自动纠错，并支持中文和英文语音测试。这篇文章将完整记录从环境配置、项目部署、模型下载到使用效果的全过程，帮助你快速上手。

---

本文承接上一篇文章，
开源音视频转文字工具：基于 Vosk 和 Whisper 的多语言语音识别项目

一、服务器与系统环境

• 云服务器：阿里云 99 元/年的轻量服务器
• 配置：2 核 CPU + 2G 内存 + 3Mbps 带宽
• 系统版本：Alibaba Cloud Linux 3 (OpenAnolis Edition) x86_64
• Python 环境：系统自带 Python 3.7.16，另安装 Python 3.10.14
• 可视化面板：宝塔面板（免费版 9.5.0）

---

二、项目部署步骤

1. 克隆代码仓库

打开宝塔面板 → 终端，进入你希望存放项目的目录（如 /www/wwwroot）：

cd /www/wwwroot
git clone https://gitee.com/phpervip/speech-to-text.git
cd speech-to-text
pip install -r requirements.txt

2. 使用宝塔添加 Python 项目

• 打开宝塔 → 网站 → Python 项目 → 添加新项目

• 选择 Python 版本为 3.10.14

• 启动命令填写：

  streamlit run app.py --server.port 8501 --server.address 0.0.0.0
  

如图：

• 保存后，如果状态显示为「启动中」，可以进入【设置】查看实时输出或错误日志，定位启动失败原因。

启动成功后：

---

三、安装 ffmpeg 支持音视频格式转换

• 打开宝塔 → 软件商店 → 搜索 ffmpeg管理器
• 安装（我选择的是 ffmpeg-6.1）
  
• 安装完成后在终端测试：

ffmpeg

如返回版本信息说明安装成功。

---

四、开放服务器端口 & 设置域名访问

1. 在阿里云控制台开放 8501 端口

• 控制台 → 安全组 → 添加入方向规则 → TCP → 端口范围：8501

2. 使用宝塔设置反向代理和 SSL

• 宝塔 → 网站 → 反向代理

  • 添加代理规则指向：http://127.0.0.1:8501
  • 绑定域名如：stt.xiuxinwenhua.com

• 添加 SSL（可使用 Let’s Encrypt 免费证书）

---

五、下载 Whisper 模型（重点）

系统默认从 Hugging Face 下载模型可能较慢，可以手动下载：

# 登录服务器终端
wget https://openaipublic.azureedge.net/main/whisper/models/ed3a0b6b1c0edf879ad9b11b1af5a0e6ab5db9205f891f668f8b0e6c6326e34e/base.pt -P ~/.cache/whisper/

wget https://openaipublic.azureedge.net/main/whisper/models/345ae4da62f9b3d59415adc60127b97c714f32e89e936602e85993674d08dcb1/medium.pt -P ~/.cache/whisper/

📌 路径默认是 ~/.cache/whisper/，也可以通过代码修改加载路径。

---

六、实际使用说明

虽然我的服务器配置有限，运行速度不算快，但还是能流畅处理几秒的语音测试文件。你可以根据需要选择：

• base 模型：转写速度快，准确率适中
• medium 模型：更高的准确率，但运行速度慢，对资源要求高。

推荐至少 8G 内存 或更高配置用于生产部署。

注：我在示例服务器只下载了whisper的base, medium 的多语言模型。vosk 就没有下载了。
所以没有vosk可选，whisper模型也只有base,medium.
你也可以下载vosk的模型，whisper的其他模型，再把选择项显示出来。
若使用vosk的其他语言时，还需要修改代码。

---

七、功能体验图示

✅ 无 AI 纠错，仅语音转写：

✅ 启用 AI 纠错（中文）：

✅ 英文语音转写：

✅ 下载结果文件（ZIP 包）：

⚠️ 提醒：由于页面是单页结构（Streamlit 单页面应用），点击下载后记得立即保存，否则页面刷新后需重新上传并转写！

遇错处理

在二次开发的情况下，本地增加新功能，安装了新的依赖，本地运行正常，却忘记更新requirements.txt，线上没有更新依赖，就会报类似错误，

原因：缺少模块
解决办法：增加模块

正确做法，把新增的依赖写入requirements.txt，线上也重新
pip install -r requirements.txt

---

八、部署建议与总结

• 本地局域网部署：如公司内部使用，可部署在内网机器，无需公网与 SSL 配置。
• 使用场景：语音会议摘要、教育课程录音整理、播客转写、客服记录等。
• 适配优化：可拓展支持 vosk 模型、多语言切换、转写历史保存功能等。

---

结语

这个项目是一次低成本、高实用性的小型 AI 应用部署实践，特别适合个人开发者和中小团队快速体验语音转文字技术。你可以自由扩展它的前后端功能，甚至对接微信、钉钉、飞书等做深度集成。

项目源码地址：Gitee - speech-to-text

欢迎交流、建议或二次开发反馈～