Hacktoberfest 2026: die Issues, die Maintainer für den Oktober markiert haben – offen und einsteigerfreundlich. Hacktoberfest-Issues durchsuchen

Add an integration for Whisper speech recognition (faster-whisper, mlx-whisper)

Geschlossen
  • Stimmt etwas nicht?
#65 0 Kommentare 0 Reaktionen 0 zugewiesene Personen Auf GitHub ansehen

Maintainer antworten meist innerhalb von 1 Tag

Dieses Issue hat noch niemand übernommen.

Bewertung

Schwierigkeit
3/5
Geschätzter Aufwand
1-2 Tage
Anfängerfreundlichkeit
72/100
Issue-Typ
Feature
Klarheit
Klar beschrieben
Aktivitätsstatus
Aktiv
Tech-Stack
python
Bereich
machine-learning, observability-sre

Rechercherichtung

Start by reading the existing mlx and transformers integrations and their registration and inference-tracking tests. Implement the Whisper model loading and transcription instrumentation, accounting for faster-whisper's lazy segment generator and optional audio/transcript attachments. The work is done when each transcribe call reports the requested audio metadata, detected-language probability, and output word count, with coverage for the relevant integration paths.

Vom Indexierungsmodell aus dem Issue-Text verfasst.

Beschreibung

What happens

There is no integration for Whisper speech recognition. faster-whisper (WhisperModel.transcribe, CTranslate2) and mlx-whisper (mlx_whisper.transcribe) are the common local options, and neither is covered by the existing mlx or transformers integrations.

An app has to register the model with register_model(None, model_id=..., family="whisper", model_format=...) and call track_inference by hand with AudioInputMeta (duration, sample rate, channels), the detected language and, when attachments are enabled, the audio and the transcript.

Expected

A whisper integration (or one each for faster_whisper and mlx_whisper) that:

  • registers the model on load: name from the model directory or repo, format ctranslate2 or mlx, family whisper, device and compute type (e.g. cuda/float16, cpu/int8)
  • tracks each transcribe call: duration, AudioInputMeta (audio length and sample rate), output word count, and the detected language and its probability
  • for faster-whisper, whose transcribe returns a lazy segment generator, measures until the generator is used up, not when transcribe returns
  • when attachments are enabled, attaches the input audio and the transcript

Found in evil-jarvis, which tracks this by hand today (src/evil_jarvis/telemetry.py, track_transcription). SDK 0.2.2.

🤖 Generated with Claude Code

Vorherrschende Sprache
Python
Sterne
17
Forks
1
Ø Merge
17 Std. 5 Min.
Gemergte PRs (30 T.)
34

Entwicklungsumgebung

Erste Schritte

  1. Lesen Sie das ganze Issue und danach den Beitragsleitfaden des Projekts.
  2. Schreiben Sie ins Issue, dass Sie es übernehmen — das erspart doppelte Arbeit.
  3. Forken Sie das Repository und arbeiten Sie in einem Branch.
  4. Öffnen Sie einen Pull Request, der die Issue-Nummer nennt.

Mehr aus wild-edge/wildedge-python

Alle Issues in wild-edge/wildedge-python

Ähnliche Issues

Weitere Issues zu Python

Neue Issues direkt in Ihr Postfach

Eine kurze Übersicht über anfängerfreundliche GitHub-Issues.