非官方翻译 - 此文档为非官方中文翻译版本，仅供参考。如有疑问请以英文官方文档为准。

使用 Cloudflare Workers AI 的 Whisper-large-v3-turbo

Last reviewed: 2 months ago

在本教程中，您将学习如何：

转录大型音频文件： 使用 Cloudflare Workers AI 的 Whisper-large-v3-turbo 模型执行自动语音识别（ASR）或翻译。
处理大型文件： 将大型音频文件分割成更小的块进行处理，这有助于克服内存和执行时间的限制。
使用 Cloudflare Workers 进行部署： 在无服务器环境中创建可扩展、低延迟的转录管道。

1：创建一个新的 Cloudflare Worker 项目

Sign up for a Cloudflare account ↗.
Install Node.js ↗.

Node.js version manager

Use a Node version manager like Volta ↗ or nvm ↗ to avoid permission issues and change Node.js versions. Wrangler, discussed later in this guide, requires a Node version of 16.17.0 or later.

您将使用 create-cloudflare CLI (C3) 创建一个新的 Worker 项目。C3 ↗ 是一个命令行工具，旨在帮助您设置和部署新的应用程序到 Cloudflare。

通过运行以下命令创建一个名为 whisper-tutorial 的新项目：

npm create cloudflare@latest -- whisper-tutorial

yarn create cloudflare whisper-tutorial

pnpm create cloudflare@latest whisper-tutorial

运行 npm create cloudflare@latest 将提示您安装 create-cloudflare 包 ↗，并引导您完成设置。C3 还将安装 Wrangler，即 Cloudflare 开发者平台 CLI。

For setup, select the following options:

For What would you like to start with?, choose Hello World example.
For Which template would you like to use?, choose Worker only.
For Which language do you want to use?, choose TypeScript.
For Do you want to use git for version control?, choose Yes.
For Do you want to deploy your application?, choose No (we will be making some changes before deploying).

这将创建一个新的 whisper-tutorial 目录。您的新 whisper-tutorial 目录将包括：

src/index.ts 中的一个 "Hello World" Worker。
一个 wrangler.jsonc 配置文件。

转到您的应用程序目录：

cd whisper-tutorial

2. 将您的 Worker 连接到 Workers AI

您必须为您的 Worker 创建一个 AI 绑定以连接到 Workers AI。绑定允许您的 Workers 与 Cloudflare 开发者平台上的资源（如 Workers AI）进行交互。

要将 Workers AI 绑定到您的 Worker，请将以下内容添加到 wrangler.toml 文件的末尾：

wrangler.jsonc
wrangler.toml

{
  "ai": {
    "binding": "AI"
  }
}

[ai]
binding = "AI"

您的绑定在您的 Worker 代码中的 env.AI 上可用。

3. 配置 Wrangler

在您的 wrangler 文件中，添加或更新以下设置以启用 Node.js API 和 polyfill（兼容性日期为 2024-09-23 或更晚）：

wrangler.jsonc
wrangler.toml

{
  "compatibility_flags": [
    "nodejs_compat"
  ],
  "compatibility_date": "2024-09-23"
}

compatibility_flags = [ "nodejs_compat" ]
compatibility_date = "2024-09-23"

4. 使用分块处理大型音频文件

将 src/index.ts 文件的内容替换为以下集成代码。此示例演示了如何：

(1) 从查询参数中提取音频文件 URL。

(2) 在明确遵循重定向的情况下获取音频文件。

(3) 将音频文件分割成更小的块（例如 1 MB 的块）。

(4) 通过 Cloudflare AI 绑定使用 Whisper-large-v3-turbo 模型转录每个块。

(5) 以纯文本形式返回聚合的转录。

import { Buffer } from "node:buffer";
import type { Ai } from "workers-ai";

export interface Env {
  AI: Ai;
  // 如果需要，添加您的 KV 命名空间以存储转录。
  // MY_KV_NAMESPACE: KVNamespace;
}

/**
 * 从提供的 URL 获取音频文件并将其分割成块。
 * 此函数明确遵循重定向。
 *
 * @param audioUrl - 音频文件的 URL。
 * @returns 一个 ArrayBuffer 数组，每个代表一个音频块。
 */
async function getAudioChunks(audioUrl: string): Promise<ArrayBuffer[]> {
  const response = await fetch(audioUrl, { redirect: "follow" });
  if (!response.ok) {
    throw new Error(`获取音频失败：${response.status}`);
  }
  const arrayBuffer = await response.arrayBuffer();

  // 示例：将音频分割成 1MB 的块。
  const chunkSize = 1024 * 1024; // 1MB
  const chunks: ArrayBuffer[] = [];
  for (let i = 0; i < arrayBuffer.byteLength; i += chunkSize) {
    const chunk = arrayBuffer.slice(i, i + chunkSize);
    chunks.push(chunk);
  }
  return chunks;
}

/**
 * 使用 Whisper‑large‑v3‑turbo 模型转录单个音频块。
 * 该函数将音频块转换为 Base64 编码的字符串，并
 * 通过 AI 绑定将其发送到模型。
 *
 * @param chunkBuffer - 作为 ArrayBuffer 的音频块。
 * @param env - Cloudflare Worker 环境，包括 AI 绑定。
 * @returns 来自模型的转录文本。
 */
async function transcribeChunk(
  chunkBuffer: ArrayBuffer,
  env: Env,
): Promise<string> {
  const base64 = Buffer.from(chunkBuffer, "binary").toString("base64");
  const res = await env.AI.run("@cf/openai/whisper-large-v3-turbo", {
    audio: base64,
    // 可选参数（如果需要，取消注释并设置）：
    // task: "transcribe", // 或 "translate"
    // language: "en",
    // vad_filter: "false",
    // initial_prompt: "如果需要，提供上下文。",
    // prefix: "转录：",
  });
  return res.text; // 假设转录结果包括一个 "text" 属性。
}

/**
 * 主 fetch 处理程序。它提取 'url' 查询参数，获取音频，
 * 以块为单位处理它，并返回完整的转录。
 */
export default {
  async fetch(
    request: Request,
    env: Env,
    ctx: ExecutionContext,
  ): Promise<Response> {
    // 从查询参数中提取音频 URL。
    const { searchParams } = new URL(request.url);
    const audioUrl = searchParams.get("url");

    if (!audioUrl) {
      return new Response("缺少 'url' 查询参数", { status: 400 });
    }

    // 获取音频块。
    const audioChunks: ArrayBuffer[] = await getAudioChunks(audioUrl);
    let fullTranscript = "";

    // 处理每个块并构建完整的转录。
    for (const chunk of audioChunks) {
      try {
        const transcript = await transcribeChunk(chunk, env);
        fullTranscript += transcript + "\n";
      } catch (error) {
        fullTranscript += "[转录块时出错]\n";
      }
    }

    return new Response(fullTranscript, {
      headers: { "Content-Type": "text/plain" },
    });
  },
} satisfies ExportedHandler<Env>;

5. 部署您的 Worker

在本地运行 Worker：

使用 wrangler 的开发模式在本地测试您的 Worker：

npx wrangler dev

打开您的浏览器并转到 http://localhost:8787 ↗，或使用 curl：

curl "http://localhost:8787?url=https://raw.githubusercontent.com/your-username/your-repo/main/your-audio-file.mp3"

将 URL 查询参数替换为您的音频文件的直接链接。（对于 GitHub 托管的文件，请确保使用原始文件 URL。）

部署 Worker：

测试完成后，使用以下命令部署您的 Worker：

npx wrangler deploy

测试已部署的 Worker：

部署后，通过将音频 URL 作为查询参数传递来测试您的 Worker：

curl "https://<your-worker-subdomain>.workers.dev?url=https://raw.githubusercontent.com/your-username/your-repo/main/your-audio-file.mp3"

确保将 <your-worker-subdomain>、your-username、your-repo 和 your-audio-file.mp3 替换为您的实际详细信息。

如果成功，Worker 将返回音频文件的转录：

这是音频的转录...

社区
YouTube
GitHub

@2025 Cloudflare Ubitools
Cf Repo