Una API robusta para transcripción de audio utilizando Whisper, diseñada para ser fácil de usar y desplegar con Docker.

• Transcripción de audio desde archivos o URLs
• Soporte para múltiples formatos de audio
• Integración con n8n y otras herramientas de automatización
• Logs detallados del proceso de transcripción
• Fácil despliegue con Docker
• API RESTful con endpoints bien documentados

• Node.js
• Express.js
• Python
• OpenAI Whisper
• Docker
• Winston (para logging)

# Descargar la imagen
docker pull skarious/audio-transcription-api:0.0.1

# Ejecutar el contenedor
docker run -p 3000:3000 skarious/audio-transcription-api:0.0.1

O usando docker-compose:

version: '3.8'
services:
  api:
    image: skarious/audio-transcription-api:latest
    ports:
      - "3000:3000"
    volumes:
      - ./models:/app/models
      - ./uploads:/app/uploads
    environment:
      - NODE_ENV=production
      - PORT=3000

POST /api/transcription/url
Content-Type: application/json

{
    "url": "https://ejemplo.com/audio.mp3"
}

POST /api/transcription/file
Content-Type: multipart/form-data

Form data:
- data: [archivo de audio]

Variables de entorno disponibles:

PORT=3000
NODE_ENV=production
LOG_LEVEL=info
DEFAULT_LANGUAGE=es  # Idioma por defecto para transcripciones

La API soporta transcripción en múltiples idiomas:

• es: Español (por defecto)
• en: Inglés
• pt: Portugués

Puedes configurar el idioma de dos formas:

1. Global (por defecto): Configura la variable de entorno DEFAULT_LANGUAGE en tu archivo .env
2. Por petición: Especifica el idioma en el cuerpo de la petición

POST /api/transcription/url
Content-Type: application/json

{
    "url": "https://ejemplo.com/audio.mp3",
    "language": "en"  # Opcional: sobrescribe DEFAULT_LANGUAGE
}

POST /api/transcription/file
Content-Type: multipart/form-data

Form data:
- data: [archivo de audio]
- language: en  # Opcional: sobrescribe DEFAULT_LANGUAGE

1. Usar el nodo "HTTP Request"
2. Configurar:
   • Method: POST
   • URL: http://tu-servidor:3000/api/transcription/file
   • Body Content Type: n8n Binary File
   • Binary Data: archivo de audio a transcribir

• /app/models: Almacena modelos de Whisper
• /app/uploads: Archivos temporales de audio

{
    "text": "Texto transcrito del audio",
    "language": "es",
    "success": true
}

{
    "error": "Descripción del error"
}

{
    "error": "Idioma no soportado. Idiomas disponibles: es, en, pt"
}

• Tamaño máximo de archivo: 50MB
• Formatos soportados: MP3, WAV, M4A, etc.
• Tiempo de procesamiento: Varía según la duración del audio

• No se almacenan archivos de audio permanentemente
• Los archivos temporales se eliminan después de la transcripción
• Logs sin información sensible

La API proporciona logs detallados:

2024-12-20 11:39:50 info: Server running on port 3000
2024-12-20 11:39:51 info: POST /api/transcription/file
2024-12-20 11:39:51 info: Iniciando transcripción de archivo
2024-12-20 11:39:55 info: Transcripción completada exitosamente

1. Fork el repositorio
2. Crea una rama para tu feature
3. Commit tus cambios
4. Push a la rama
5. Crea un Pull Request

Este proyecto está bajo la licencia Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)

Esta licencia permite a otros:

• Compartir — copiar y redistribuir el material en cualquier medio o formato
• Adaptar — remezclar, transformar y construir a partir del material

Bajo los siguientes términos:

• Atribución — Debe dar crédito adecuado, proporcionar un enlace a la licencia e indicar si se realizaron cambios.
• NoComercial — No puede utilizar el material con fines comerciales.
• CompartirIgual — Si remezcla, transforma o crea a partir del material, debe distribuir sus contribuciones bajo la misma licencia que el original.

Ver texto completo de la licencia

Para soporte, abrir un issue en el repositorio o contactar a los mantenedores.