Transcripción

Servicios de transcripción de audio a texto usando faster-whisper.

---

PersistentWhisperWorker

Worker persistente que mantiene el modelo Whisper cargado en VRAM entre sesiones.

Ubicación: v2m/features/transcription/persistent_model.py

Características

• Lazy Loading: El modelo se carga la primera vez que se necesita
• Keep-Warm Policy: Mantiene el modelo en VRAM según configuración
• GPU Optimizado: Usa float16 o int8_float16 para máximo rendimiento

Métodos

class PersistentWhisperWorker:
    def initialize_sync(self) -> None:
        """Carga el modelo en VRAM (síncrono, para warmup)."""

    async def transcribe(self, audio: np.ndarray) -> str:
        """Transcribe audio a texto."""

    async def unload(self) -> None:
        """Libera el modelo de VRAM."""

---

StreamingTranscriber

Transcriptor en tiempo real que proporciona feedback provisional mientras el usuario habla.

Ubicación: v2m/features/audio/streaming_transcriber.py

Flujo de Datos

graph LR
    A[AudioRecorder] --> B[VAD]
    B --> C[StreamingTranscriber]
    C --> D[WhisperWorker]
    D --> E[WebSocket]

    style C fill:#e3f2fd

Integración

El StreamingTranscriber emite eventos via WebSocket:

• transcription_update: Texto provisional durante grabación
• transcription_final: Texto final al detener