ASR-микросервис для calls24.ru

Распознавание речи: whisper-large-v3-russian + Qwen3-ASR-1.7B

FastAPI-сервис распознавания речи для анализа записанных звонков. Две модели: Qwen3-ASR-1.7B (новее, точнее) и whisper-large-v3-russian.

Структура

app/
├── __init__.py
├── main.py          # FastAPI app, роуты
├── engine.py        # Движки ASR (whisper + qwen3)
└── config.py        # Pydantic Settings

Запуск

cd /home/neo/workspace/asr-microservice
~/gigaam-env/bin/python -m uvicorn app.main:app --host 0.0.0.0 --port 8000

API

• GET /health — статус моделей
• POST /transcribe — загрузка аудиофайла, параметр model (qwen3|whisper)

Пример

curl -X POST "http://localhost:8000/transcribe?model=qwen3" \
  -F "file=@/tmp/test_silero.wav"

Конфиг

Переменные окружения (см. .env.example):

• DEVICE — cuda / cpu
• WHISPER_MODEL_PATH — путь к checkpoint whisper
• QWEN_MODEL_NAME — модель Qwen3-ASR

Зависимости

~/gigaam-env/bin/python -m pip install fastapi uvicorn python-multipart librosa soundfile

Модели уже скачаны:

• whisper: /home/neo/models/whisper-russian
• qwen3: Qwen/Qwen3-ASR-1.7B (автоматическая загрузка)