Speech to text

https://github.com/alphacep/vosk-api

https://alphacephei.com/vosk/install

apt-get install python-is-python3 python-is-python3 python3-pip ffmpeg
pip3 install vosk

vosk-transcriber -l es -i fichero.wav -o texto.txt

Dockerfile

FROM debian

RUN apt-get update && apt-get install -y python-is-python3 python-is-python3 python3-pip ffmpeg
RUN pip3 install vosk

WORKDIR /audio

ENTRYPOINT ["bash", "-c", "vosk-transcriber -l es -i $1 -o texto.txt >/dev/null 2>&1 && cat texto.txt", "--"]

docker run --rm -v "$PWD":/audio local/speechtotext fichero.wav

Creamos el fichero vosk.py que levantará un servidor web que al hacer un post de un fichero de audio, devuelve el texto. Lo levantamos con el comando:

python3 vosk.py

from flask import Flask, request, jsonify
import subprocess

app = Flask(__name__)

@app.route('/transcribir', methods=['POST'])
def transcribir_audio():
    archivo_audio = request.files['audio']
    archivo_audio.save('audio.wav')
    subprocess.run(['vosk-transcriber', '-l', 'es', '-i', 'audio.wav', '-o', 'texto.txt'])
    with open('texto.txt', 'r') as f:
        texto = f.read()
    return jsonify({'texto': texto})

if __name__ == '__main__':
    app.run(debug=True,host='0.0.0.0',port=3000)

Se envía un audio con este comando y te devuelve el texto:

curl -X POST -F 'audio=@a.ogg' http://10.103.0.1:3000/transcribir