forked from extern/whisper.cpp
talk.wasm : GPT-2 meets Whisper in WebAssembly (#155)
* talk : initial real-time transcription in the browser * talk : polishing the UI * talk : ready for beta testing * talk.wasm : rename example
This commit is contained in:
Georgi Gerganov
GitHub
parent
2e311a2917
commit
a4dfbeecf9
@ -9,12 +9,13 @@ target_link_libraries(${TARGET} PRIVATE
|
|||||||
)
|
)
|
||||||
|
|
||||||
unset(EXTRA_FLAGS)
|
unset(EXTRA_FLAGS)
|
||||||
|
|
||||||
if (WHISPER_WASM_SINGLE_FILE)
|
if (WHISPER_WASM_SINGLE_FILE)
|
||||||
set(EXTRA_FLAGS "-s SINGLE_FILE=1")
|
set(EXTRA_FLAGS "-s SINGLE_FILE=1")
|
||||||
message(STATUS "Embedding WASM inside whisper.js")
|
message(STATUS "Embedding WASM inside whisper.js")
|
||||||
|
|
||||||
add_custom_command(
|
add_custom_command(
|
||||||
TARGET libwhisper POST_BUILD
|
TARGET ${TARGET} POST_BUILD
|
||||||
COMMAND ${CMAKE_COMMAND} -E copy
|
COMMAND ${CMAKE_COMMAND} -E copy
|
||||||
${CMAKE_BINARY_DIR}/bin/libwhisper.js
|
${CMAKE_BINARY_DIR}/bin/libwhisper.js
|
||||||
${CMAKE_CURRENT_SOURCE_DIR}/whisper.js
|
${CMAKE_CURRENT_SOURCE_DIR}/whisper.js
|
||||||
|
|||||||
File diff suppressed because one or more lines are too long
@ -20,6 +20,7 @@ include_directories(${CMAKE_CURRENT_SOURCE_DIR})
|
|||||||
|
|
||||||
if (EMSCRIPTEN)
|
if (EMSCRIPTEN)
|
||||||
add_subdirectory(whisper.wasm)
|
add_subdirectory(whisper.wasm)
|
||||||
|
add_subdirectory(talk.wasm)
|
||||||
else()
|
else()
|
||||||
add_subdirectory(main)
|
add_subdirectory(main)
|
||||||
add_subdirectory(stream)
|
add_subdirectory(stream)
|
||||||
|
|||||||
46
examples/talk.wasm/CMakeLists.txt
Normal file
46
examples/talk.wasm/CMakeLists.txt
Normal file
@ -0,0 +1,46 @@
|
|||||||
|
#
|
||||||
|
# libtalk
|
||||||
|
#
|
||||||
|
|
||||||
|
set(TARGET libtalk)
|
||||||
|
|
||||||
|
add_executable(${TARGET}
|
||||||
|
emscripten.cpp
|
||||||
|
)
|
||||||
|
|
||||||
|
target_link_libraries(${TARGET} PRIVATE
|
||||||
|
whisper
|
||||||
|
)
|
||||||
|
|
||||||
|
unset(EXTRA_FLAGS)
|
||||||
|
|
||||||
|
if (WHISPER_WASM_SINGLE_FILE)
|
||||||
|
set(EXTRA_FLAGS "-s SINGLE_FILE=1")
|
||||||
|
message(STATUS "Embedding WASM inside talk.js")
|
||||||
|
|
||||||
|
add_custom_command(
|
||||||
|
TARGET ${TARGET} POST_BUILD
|
||||||
|
COMMAND ${CMAKE_COMMAND} -E copy
|
||||||
|
${CMAKE_BINARY_DIR}/bin/libtalk.js
|
||||||
|
${CMAKE_RUNTIME_OUTPUT_DIRECTORY}/talk.wasm/talk.js
|
||||||
|
)
|
||||||
|
endif()
|
||||||
|
|
||||||
|
set_target_properties(${TARGET} PROPERTIES LINK_FLAGS " \
|
||||||
|
--bind \
|
||||||
|
-s USE_PTHREADS=1 \
|
||||||
|
-s PTHREAD_POOL_SIZE=8 \
|
||||||
|
-s INITIAL_MEMORY=1400MB \
|
||||||
|
-s TOTAL_MEMORY=1400MB \
|
||||||
|
-s FORCE_FILESYSTEM=1 \
|
||||||
|
-s EXPORTED_RUNTIME_METHODS=\"['print', 'printErr', 'ccall', 'cwrap']\" \
|
||||||
|
${EXTRA_FLAGS} \
|
||||||
|
")
|
||||||
|
|
||||||
|
#
|
||||||
|
# talk.wasm
|
||||||
|
#
|
||||||
|
|
||||||
|
set(TARGET talk.wasm)
|
||||||
|
|
||||||
|
configure_file(${CMAKE_CURRENT_SOURCE_DIR}/index-tmpl.html ${CMAKE_RUNTIME_OUTPUT_DIRECTORY}/${TARGET}/index.html @ONLY)
|
||||||
7
examples/talk.wasm/README.md
Normal file
7
examples/talk.wasm/README.md
Normal file
@ -0,0 +1,7 @@
|
|||||||
|
# talk
|
||||||
|
|
||||||
|
WIP IN PROGRESS
|
||||||
|
|
||||||
|
ref: https://github.com/ggerganov/whisper.cpp/issues/154
|
||||||
|
|
||||||
|
demo: https://talk.ggerganov.com
|
||||||
1379
examples/talk.wasm/emscripten.cpp
Normal file
1379
examples/talk.wasm/emscripten.cpp
Normal file
File diff suppressed because it is too large
Load Diff
646
examples/talk.wasm/index-tmpl.html
Normal file
646
examples/talk.wasm/index-tmpl.html
Normal file
@ -0,0 +1,646 @@
|
|||||||
|
<!doctype html>
|
||||||
|
<html lang="en-us">
|
||||||
|
<head>
|
||||||
|
<title>Talk - GPT-2 meets Whisper in WebAssembly</title>
|
||||||
|
|
||||||
|
<style>
|
||||||
|
#output {
|
||||||
|
width: 100%;
|
||||||
|
height: 100%;
|
||||||
|
margin: 0 auto;
|
||||||
|
margin-top: 10px;
|
||||||
|
border-left: 0px;
|
||||||
|
border-right: 0px;
|
||||||
|
padding-left: 0px;
|
||||||
|
padding-right: 0px;
|
||||||
|
display: block;
|
||||||
|
background-color: black;
|
||||||
|
color: white;
|
||||||
|
font-size: 10px;
|
||||||
|
font-family: 'Lucida Console', Monaco, monospace;
|
||||||
|
outline: none;
|
||||||
|
white-space: pre;
|
||||||
|
overflow-wrap: normal;
|
||||||
|
overflow-x: scroll;
|
||||||
|
}
|
||||||
|
</style>
|
||||||
|
</head>
|
||||||
|
<body>
|
||||||
|
<div id="main-container">
|
||||||
|
<b>Talk - GPT-2 meets Whisper in WebAssembly</b>
|
||||||
|
|
||||||
|
<br><br>
|
||||||
|
|
||||||
|
On this page you can talk with an AI entity. It uses:
|
||||||
|
|
||||||
|
<ul>
|
||||||
|
<li><a href="https://github.com/ggerganov/whisper.cpp">OpenAI's Whisper</a> model to listen to you as you speak in the microphone</li>
|
||||||
|
<li><a href="https://github.com/ggerganov/ggml/tree/master/examples/gpt-2">OpenAI's GPT-2</a> model to generate a text response</li>
|
||||||
|
<li><a href="https://developer.mozilla.org/en-US/docs/Web/API/Web_Speech_API">Web Speech API</a> to speak the response to you through the speakers</li>
|
||||||
|
</ul>
|
||||||
|
|
||||||
|
All of this runs <b>locally in your browser</b> using WebAssembly.<br>
|
||||||
|
You can find more about this project on <a href="https://github.com/ggerganov/whisper.cpp/tree/master/examples/talk.wasm">GitHub</a>.
|
||||||
|
|
||||||
|
<br><br>
|
||||||
|
|
||||||
|
<hr>
|
||||||
|
|
||||||
|
<div id="model-whisper">
|
||||||
|
<span id="model-whisper-status">Whisper model:</span>
|
||||||
|
<button id="fetch-whisper-tiny-en" onclick="loadWhisper('tiny.en')">tiny.en (75 MB)</button>
|
||||||
|
<button id="fetch-whisper-base-en" onclick="loadWhisper('base.en')">base.en (142 MB)</button>
|
||||||
|
<span id="fetch-whisper-progress"></span>
|
||||||
|
|
||||||
|
<!--
|
||||||
|
<input type="file" id="file" name="file" onchange="loadFile(event, 'whisper.bin')" />
|
||||||
|
-->
|
||||||
|
</div>
|
||||||
|
|
||||||
|
<br>
|
||||||
|
|
||||||
|
<div id="model-gpt-2">
|
||||||
|
<span id="model-gpt-2-status">GPT-2 model:</span>
|
||||||
|
<button id="fetch-gpt-2-small" onclick="loadGPT2('small')">small 117M (240 MB)</button>
|
||||||
|
<!--<button id="fetch-gpt-2-medium" onclick="loadGPT2('medium')">medium 345M (720 MB)</button>-->
|
||||||
|
<span id="fetch-gpt-2-progress"></span>
|
||||||
|
|
||||||
|
<!--
|
||||||
|
<input type="file" id="file" name="file" onchange="loadFile(event, 'gpt-2.bin')" />
|
||||||
|
-->
|
||||||
|
</div>
|
||||||
|
|
||||||
|
<br>
|
||||||
|
|
||||||
|
<div id="input">
|
||||||
|
<button id="start" onclick="onStart()">Start</button>
|
||||||
|
<button id="stop" onclick="onStop()" disabled>Stop</button>
|
||||||
|
<select id="voice" onchange="onVoiceChange()">
|
||||||
|
<option value="0">Default</option>
|
||||||
|
</select>
|
||||||
|
<button id="speak" onclick="onSpeak('Hello')">Say hello</button>
|
||||||
|
<button id="speak" onclick="onSpeakRandom()">Say something</button>
|
||||||
|
<button id="speak" onclick="clearCache()">Clear Cache</button>
|
||||||
|
</div>
|
||||||
|
|
||||||
|
<br>
|
||||||
|
|
||||||
|
<div id="state">
|
||||||
|
Status: <b><span id="state-status">idle</span></b>
|
||||||
|
|
||||||
|
<pre id="state-context">[The text context will be displayed here]</pre>
|
||||||
|
</div>
|
||||||
|
|
||||||
|
<hr>
|
||||||
|
|
||||||
|
Debug output:
|
||||||
|
<textarea id="output" rows="20"></textarea>
|
||||||
|
|
||||||
|
<br>
|
||||||
|
|
||||||
|
<b>Troubleshooting</b>
|
||||||
|
|
||||||
|
<br><br>
|
||||||
|
|
||||||
|
The page does some heavy computations, so make sure:
|
||||||
|
|
||||||
|
<ul>
|
||||||
|
<li>To use a modern web browser (e.g. Chrome, Firefox)</li>
|
||||||
|
<li>To use a fast desktop or laptop computer (e.g. not a mobile phone)</li>
|
||||||
|
<li>Your browser supports WASM <a href="https://webassembly.org/roadmap/">Fixed-width SIMD</a></li>
|
||||||
|
</ul>
|
||||||
|
|
||||||
|
<br><br>
|
||||||
|
|
||||||
|
<div class="cell-version">
|
||||||
|
<span>
|
||||||
|
|
|
||||||
|
Build time: <span class="nav-link">@GIT_DATE@</span> |
|
||||||
|
Commit hash: <a class="nav-link" href="https://github.com/ggerganov/whisper.cpp/commit/@GIT_SHA1@">@GIT_SHA1@</a> |
|
||||||
|
Commit subject: <span class="nav-link">@GIT_COMMIT_SUBJECT@</span> |
|
||||||
|
<a class="nav-link" href="https://github.com/ggerganov/whisper.cpp/tree/master/examples/talk.wasm">Source Code</a> |
|
||||||
|
</span>
|
||||||
|
</div>
|
||||||
|
</div>
|
||||||
|
|
||||||
|
<script type='text/javascript'>
|
||||||
|
var printTextarea = (function() {
|
||||||
|
var element = document.getElementById('output');
|
||||||
|
if (element) element.alue = ''; // clear browser cache
|
||||||
|
return function(text) {
|
||||||
|
if (arguments.length > 1) text = Array.prototype.slice.call(arguments).join(' ');
|
||||||
|
console.log(text);
|
||||||
|
if (element) {
|
||||||
|
element.value += text + "\n";
|
||||||
|
element.scrollTop = element.scrollHeight; // focus on bottom
|
||||||
|
}
|
||||||
|
};
|
||||||
|
})();
|
||||||
|
|
||||||
|
const kRestartRecording_s = 15;
|
||||||
|
const kSampleRate = 16000;
|
||||||
|
|
||||||
|
window.AudioContext = window.AudioContext || window.webkitAudioContext;
|
||||||
|
window.OfflineAudioContext = window.OfflineAudioContext || window.webkitOfflineAudioContext;
|
||||||
|
|
||||||
|
// web audio context
|
||||||
|
var context = null;
|
||||||
|
|
||||||
|
// audio data
|
||||||
|
var audio = null;
|
||||||
|
var audio0 = null;
|
||||||
|
|
||||||
|
// the talk instance
|
||||||
|
var instance = null;
|
||||||
|
|
||||||
|
// model names
|
||||||
|
var model_whisper = null;
|
||||||
|
var model_gpt_2 = null;
|
||||||
|
|
||||||
|
// speech synthesis
|
||||||
|
const synth = window.speechSynthesis;
|
||||||
|
var voice = null;
|
||||||
|
|
||||||
|
var Module = {
|
||||||
|
print: printTextarea,
|
||||||
|
printErr: printTextarea,
|
||||||
|
setStatus: function(text) {
|
||||||
|
printTextarea('js: ' + text);
|
||||||
|
},
|
||||||
|
monitorRunDependencies: function(left) {
|
||||||
|
},
|
||||||
|
preRun: function() {
|
||||||
|
printTextarea('js: Preparing ...');
|
||||||
|
},
|
||||||
|
postRun: function() {
|
||||||
|
printTextarea('js: Initialized successfully!');
|
||||||
|
|
||||||
|
// populate the voice list
|
||||||
|
var voices = synth.getVoices();
|
||||||
|
var el = document.getElementById('voice');
|
||||||
|
|
||||||
|
var n = 0;
|
||||||
|
voices.forEach(function(voice, i) {
|
||||||
|
if (!voice.lang.startsWith('en')) return;
|
||||||
|
var option = document.createElement('option');
|
||||||
|
option.value = i;
|
||||||
|
option.innerHTML = voice.name + ' (' + voice.lang + ')';
|
||||||
|
el.appendChild(option);
|
||||||
|
n++;
|
||||||
|
});
|
||||||
|
|
||||||
|
// select random voice
|
||||||
|
if (n > 0) {
|
||||||
|
for (var k = 0; k < 10; k++) {
|
||||||
|
var i = Math.floor(Math.random() * n);
|
||||||
|
el.selectedIndex = i;
|
||||||
|
voice = voices[document.getElementById('voice').options[i].value];
|
||||||
|
|
||||||
|
// give preference to Google voices
|
||||||
|
if (voice.name.startsWith('Google')) break;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
};
|
||||||
|
|
||||||
|
// helper function
|
||||||
|
function convertTypedArray(src, type) {
|
||||||
|
var buffer = new ArrayBuffer(src.byteLength);
|
||||||
|
var baseView = new src.constructor(buffer).set(src);
|
||||||
|
return new type(buffer);
|
||||||
|
}
|
||||||
|
|
||||||
|
//
|
||||||
|
// fetch models
|
||||||
|
//
|
||||||
|
|
||||||
|
function storeFS(fname, buf) {
|
||||||
|
// write to WASM file using FS_createDataFile
|
||||||
|
// if the file exists, delete it
|
||||||
|
try {
|
||||||
|
Module.FS_unlink(fname);
|
||||||
|
} catch (e) {
|
||||||
|
// ignore
|
||||||
|
}
|
||||||
|
|
||||||
|
Module.FS_createDataFile("/", fname, buf, true, true);
|
||||||
|
|
||||||
|
printTextarea('js: stored model: ' + fname + ' size: ' + buf.length);
|
||||||
|
|
||||||
|
if (fname == 'whisper.bin') {
|
||||||
|
document.getElementById('model-whisper').innerHTML = 'Whisper model: loaded "' + model_whisper + '"!';
|
||||||
|
} else if (fname == 'gpt-2.bin') {
|
||||||
|
document.getElementById('model-gpt-2').innerHTML = 'GPT-2 model: loaded "' + model_gpt_2 + '"!';
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
let dbVersion = 1
|
||||||
|
let dbName = 'talk.ggerganov.com';
|
||||||
|
let indexedDB = window.indexedDB || window.mozIndexedDB || window.webkitIndexedDB || window.msIndexedDB
|
||||||
|
|
||||||
|
// fetch a remote file from remote URL using the Fetch API
|
||||||
|
async function fetchRemote(url, elProgress) {
|
||||||
|
printTextarea('js: downloading with fetch()...');
|
||||||
|
|
||||||
|
const response = await fetch(
|
||||||
|
url,
|
||||||
|
{
|
||||||
|
method: 'GET',
|
||||||
|
headers: {
|
||||||
|
'Content-Type': 'application/octet-stream',
|
||||||
|
},
|
||||||
|
}
|
||||||
|
);
|
||||||
|
|
||||||
|
if (!response.ok) {
|
||||||
|
printTextarea('js: failed to fetch ' + url);
|
||||||
|
return;
|
||||||
|
}
|
||||||
|
|
||||||
|
const contentLength = response.headers.get('content-length');
|
||||||
|
const total = parseInt(contentLength, 10);
|
||||||
|
const reader = response.body.getReader();
|
||||||
|
|
||||||
|
var chunks = [];
|
||||||
|
var receivedLength = 0;
|
||||||
|
var progressLast = -1;
|
||||||
|
|
||||||
|
while (true) {
|
||||||
|
const { done, value } = await reader.read();
|
||||||
|
|
||||||
|
if (done) {
|
||||||
|
break;
|
||||||
|
}
|
||||||
|
|
||||||
|
chunks.push(value);
|
||||||
|
receivedLength += value.length;
|
||||||
|
|
||||||
|
if (contentLength) {
|
||||||
|
// update progress bar element with the new percentage
|
||||||
|
elProgress.innerHTML = Math.round((receivedLength / total) * 100) + '%';
|
||||||
|
|
||||||
|
var progressCur = Math.round((receivedLength / total) * 10);
|
||||||
|
if (progressCur != progressLast) {
|
||||||
|
printTextarea('js: fetching ' + 10*progressCur + '% ...');
|
||||||
|
progressLast = progressCur;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
var chunksAll = new Uint8Array(receivedLength);
|
||||||
|
var position = 0;
|
||||||
|
for (var chunk of chunks) {
|
||||||
|
chunksAll.set(chunk, position);
|
||||||
|
position += chunk.length;
|
||||||
|
}
|
||||||
|
|
||||||
|
return chunksAll;
|
||||||
|
}
|
||||||
|
|
||||||
|
// load remote data
|
||||||
|
// - check if the data is already in the IndexedDB
|
||||||
|
// - if not, fetch it from the remote URL and store it in the IndexedDB
|
||||||
|
// - store it in WASM memory
|
||||||
|
function loadRemote(url, dst, elProgress, size_mb) {
|
||||||
|
// query the storage quota and print it
|
||||||
|
navigator.storage.estimate().then(function (estimate) {
|
||||||
|
printTextarea('js: storage quota: ' + estimate.quota + ' bytes');
|
||||||
|
printTextarea('js: storage usage: ' + estimate.usage + ' bytes');
|
||||||
|
});
|
||||||
|
|
||||||
|
// check if the data is already in the IndexedDB
|
||||||
|
var request = indexedDB.open(dbName, dbVersion);
|
||||||
|
|
||||||
|
request.onupgradeneeded = function (event) {
|
||||||
|
var db = event.target.result;
|
||||||
|
if (db.version == 1) {
|
||||||
|
var objectStore = db.createObjectStore('models', { autoIncrement: false });
|
||||||
|
printTextarea('js: created IndexedDB ' + db.name + ' version ' + db.version);
|
||||||
|
} else {
|
||||||
|
// clear the database
|
||||||
|
var objectStore = event.currentTarget.transaction.objectStore('models');
|
||||||
|
objectStore.clear();
|
||||||
|
printTextarea('js: cleared IndexedDB ' + db.name + ' version ' + db.version);
|
||||||
|
}
|
||||||
|
};
|
||||||
|
|
||||||
|
request.onsuccess = function (event) {
|
||||||
|
var db = event.target.result;
|
||||||
|
var transaction = db.transaction(['models'], 'readonly');
|
||||||
|
var objectStore = transaction.objectStore('models');
|
||||||
|
var request = objectStore.get(url);
|
||||||
|
|
||||||
|
request.onsuccess = function (event) {
|
||||||
|
if (request.result) {
|
||||||
|
printTextarea('js: "' + url + '" is already in the IndexedDB');
|
||||||
|
storeFS(dst, request.result);
|
||||||
|
} else {
|
||||||
|
// data is not in the IndexedDB
|
||||||
|
printTextarea('js: "' + url + '" is not in the IndexedDB');
|
||||||
|
|
||||||
|
// alert and ask the user to confirm
|
||||||
|
if (!confirm('You are about to download ' + size_mb + ' MB of data.\nThe model data will be cached in the browser for future use.\n\nPress OK to continue.')) {
|
||||||
|
document.getElementById('fetch-whisper-tiny-en').style.display = 'inline-block';
|
||||||
|
document.getElementById('fetch-whisper-base-en').style.display = 'inline-block';
|
||||||
|
document.getElementById('fetch-gpt-2-small').style.display = 'inline-block';
|
||||||
|
return;
|
||||||
|
}
|
||||||
|
|
||||||
|
fetchRemote(url, elProgress).then(function (data) {
|
||||||
|
if (data) {
|
||||||
|
// store the data in the IndexedDB
|
||||||
|
var request = indexedDB.open(dbName, dbVersion);
|
||||||
|
request.onsuccess = function (event) {
|
||||||
|
var db = event.target.result;
|
||||||
|
var transaction = db.transaction(['models'], 'readwrite');
|
||||||
|
var objectStore = transaction.objectStore('models');
|
||||||
|
var request = objectStore.put(data, url);
|
||||||
|
|
||||||
|
request.onsuccess = function (event) {
|
||||||
|
printTextarea('js: "' + url + '" stored in the IndexedDB');
|
||||||
|
storeFS(dst, data);
|
||||||
|
};
|
||||||
|
|
||||||
|
request.onerror = function (event) {
|
||||||
|
printTextarea('js: failed to store "' + url + '" in the IndexedDB');
|
||||||
|
};
|
||||||
|
};
|
||||||
|
}
|
||||||
|
});
|
||||||
|
}
|
||||||
|
};
|
||||||
|
|
||||||
|
request.onerror = function (event) {
|
||||||
|
printTextarea('js: failed to get data from the IndexedDB');
|
||||||
|
};
|
||||||
|
};
|
||||||
|
|
||||||
|
request.onerror = function (event) {
|
||||||
|
printTextarea('js: failed to open IndexedDB');
|
||||||
|
};
|
||||||
|
|
||||||
|
request.onblocked = function (event) {
|
||||||
|
printTextarea('js: failed to open IndexedDB: blocked');
|
||||||
|
};
|
||||||
|
|
||||||
|
request.onabort = function (event) {
|
||||||
|
printTextarea('js: failed to open IndexedDB: abort');
|
||||||
|
};
|
||||||
|
}
|
||||||
|
|
||||||
|
function loadWhisper(model) {
|
||||||
|
let urls = {
|
||||||
|
'tiny.en': 'https://talk.ggerganov.com/ggml-model-whisper-tiny.en.bin',
|
||||||
|
'base.en': 'https://talk.ggerganov.com/ggml-model-whisper-base.en.bin',
|
||||||
|
};
|
||||||
|
|
||||||
|
let sizes = {
|
||||||
|
'tiny.en': 75,
|
||||||
|
'base.en': 142,
|
||||||
|
};
|
||||||
|
|
||||||
|
let url = urls[model];
|
||||||
|
let dst = 'whisper.bin';
|
||||||
|
let el = document.getElementById('fetch-whisper-progress');
|
||||||
|
let size_mb = sizes[model];
|
||||||
|
|
||||||
|
model_whisper = model;
|
||||||
|
|
||||||
|
document.getElementById('fetch-whisper-tiny-en').style.display = 'none';
|
||||||
|
document.getElementById('fetch-whisper-base-en').style.display = 'none';
|
||||||
|
document.getElementById('model-whisper-status').innerHTML = 'Whisper model: loading "' + model + '" ... ';
|
||||||
|
|
||||||
|
loadRemote(url, dst, el, size_mb);
|
||||||
|
}
|
||||||
|
|
||||||
|
function loadGPT2(model) {
|
||||||
|
let urls = {
|
||||||
|
'small': 'https://talk.ggerganov.com/ggml-model-gpt-2-117M.bin',
|
||||||
|
'medium': 'https://talk.ggerganov.com/ggml-model-gpt-2-345M.bin',
|
||||||
|
};
|
||||||
|
|
||||||
|
let sizes = {
|
||||||
|
'small': 240,
|
||||||
|
'medium': 712,
|
||||||
|
};
|
||||||
|
|
||||||
|
let url = urls[model];
|
||||||
|
let dst = 'gpt-2.bin';
|
||||||
|
let el = document.getElementById('fetch-gpt-2-progress');
|
||||||
|
let size_mb = sizes[model];
|
||||||
|
|
||||||
|
model_gpt_2 = model;
|
||||||
|
|
||||||
|
document.getElementById('fetch-gpt-2-small').style.display = 'none';
|
||||||
|
document.getElementById('model-gpt-2-status').innerHTML = 'GPT-2 model: loading "' + model + '" ... ';
|
||||||
|
|
||||||
|
loadRemote(url, dst, el, size_mb);
|
||||||
|
}
|
||||||
|
|
||||||
|
//
|
||||||
|
// microphone
|
||||||
|
//
|
||||||
|
|
||||||
|
var mediaRecorder = null;
|
||||||
|
var doRecording = false;
|
||||||
|
var startTime = 0;
|
||||||
|
|
||||||
|
function stopRecording() {
|
||||||
|
Module.set_status("paused");
|
||||||
|
doRecording = false;
|
||||||
|
audio0 = null;
|
||||||
|
audio = null;
|
||||||
|
}
|
||||||
|
|
||||||
|
function startRecording() {
|
||||||
|
if (!context) {
|
||||||
|
context = new AudioContext({sampleRate: 16000});
|
||||||
|
}
|
||||||
|
|
||||||
|
Module.set_status("");
|
||||||
|
|
||||||
|
document.getElementById('start').disabled = true;
|
||||||
|
document.getElementById('stop').disabled = false;
|
||||||
|
|
||||||
|
doRecording = true;
|
||||||
|
startTime = Date.now();
|
||||||
|
|
||||||
|
var chunks = [];
|
||||||
|
var stream = null;
|
||||||
|
|
||||||
|
navigator.mediaDevices.getUserMedia({audio: true, video: false})
|
||||||
|
.then(function(s) {
|
||||||
|
stream = s;
|
||||||
|
mediaRecorder = new MediaRecorder(stream);
|
||||||
|
mediaRecorder.ondataavailable = function(e) {
|
||||||
|
chunks.push(e.data);
|
||||||
|
|
||||||
|
var blob = new Blob(chunks, { 'type' : 'audio/ogg; codecs=opus' });
|
||||||
|
var reader = new FileReader();
|
||||||
|
|
||||||
|
reader.onload = function(event) {
|
||||||
|
var buf = new Uint8Array(reader.result);
|
||||||
|
|
||||||
|
context.decodeAudioData(buf.buffer, function(audioBuffer) {
|
||||||
|
var offlineContext = new OfflineAudioContext(audioBuffer.numberOfChannels, audioBuffer.length, audioBuffer.sampleRate);
|
||||||
|
var source = offlineContext.createBufferSource();
|
||||||
|
source.buffer = audioBuffer;
|
||||||
|
source.connect(offlineContext.destination);
|
||||||
|
source.start(0);
|
||||||
|
|
||||||
|
offlineContext.startRendering().then(function(renderedBuffer) {
|
||||||
|
audio = renderedBuffer.getChannelData(0);
|
||||||
|
|
||||||
|
//printTextarea('js: audio recorded, size: ' + audio.length + ', old size: ' + (audio0 == null ? 0 : audio0.length));
|
||||||
|
|
||||||
|
var audioAll = new Float32Array(audio0 == null ? audio.length : audio0.length + audio.length);
|
||||||
|
if (audio0 != null) {
|
||||||
|
audioAll.set(audio0, 0);
|
||||||
|
}
|
||||||
|
audioAll.set(audio, audio0 == null ? 0 : audio0.length);
|
||||||
|
|
||||||
|
if (instance) {
|
||||||
|
Module.set_audio(instance, audioAll);
|
||||||
|
}
|
||||||
|
});
|
||||||
|
}, function(e) {
|
||||||
|
audio = null;
|
||||||
|
});
|
||||||
|
}
|
||||||
|
|
||||||
|
reader.readAsArrayBuffer(blob);
|
||||||
|
};
|
||||||
|
|
||||||
|
mediaRecorder.onstop = function(e) {
|
||||||
|
if (doRecording) {
|
||||||
|
setTimeout(function() {
|
||||||
|
startRecording();
|
||||||
|
});
|
||||||
|
}
|
||||||
|
};
|
||||||
|
|
||||||
|
mediaRecorder.start(250);
|
||||||
|
})
|
||||||
|
.catch(function(err) {
|
||||||
|
printTextarea('js: error getting audio stream: ' + err);
|
||||||
|
});
|
||||||
|
|
||||||
|
var interval = setInterval(function() {
|
||||||
|
if (!doRecording) {
|
||||||
|
clearInterval(interval);
|
||||||
|
mediaRecorder.stop();
|
||||||
|
stream.getTracks().forEach(function(track) {
|
||||||
|
track.stop();
|
||||||
|
});
|
||||||
|
|
||||||
|
document.getElementById('start').disabled = false;
|
||||||
|
document.getElementById('stop').disabled = true;
|
||||||
|
|
||||||
|
mediaRecorder = null;
|
||||||
|
}
|
||||||
|
|
||||||
|
// if audio length is more than kRestartRecording_s seconds, restart recording
|
||||||
|
if (audio != null && audio.length > kSampleRate*kRestartRecording_s) {
|
||||||
|
if (doRecording) {
|
||||||
|
//printTextarea('js: restarting recording');
|
||||||
|
|
||||||
|
clearInterval(interval);
|
||||||
|
audio0 = audio;
|
||||||
|
audio = null;
|
||||||
|
mediaRecorder.stop();
|
||||||
|
stream.getTracks().forEach(function(track) {
|
||||||
|
track.stop();
|
||||||
|
});
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}, 250);
|
||||||
|
}
|
||||||
|
|
||||||
|
//
|
||||||
|
// speak
|
||||||
|
//
|
||||||
|
|
||||||
|
function onSpeak(text) {
|
||||||
|
var voices = synth.getVoices();
|
||||||
|
var msg = new SpeechSynthesisUtterance(text);
|
||||||
|
|
||||||
|
if (voice == null) {
|
||||||
|
voice = voices[0];
|
||||||
|
}
|
||||||
|
|
||||||
|
msg.voice = voice;
|
||||||
|
synth.speak(msg);
|
||||||
|
|
||||||
|
if (doRecording) {
|
||||||
|
Module.set_status("speaking ...");
|
||||||
|
printTextarea('js: speaking');
|
||||||
|
stopRecording();
|
||||||
|
var interval = setInterval(function() {
|
||||||
|
if (!synth.speaking) {
|
||||||
|
printTextarea('js: done speaking');
|
||||||
|
clearInterval(interval);
|
||||||
|
startRecording();
|
||||||
|
} else {
|
||||||
|
Module.set_status("");
|
||||||
|
}
|
||||||
|
}, 100);
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
function onSpeakRandom() {
|
||||||
|
Module.force_speak(instance);
|
||||||
|
}
|
||||||
|
|
||||||
|
async function clearCache() {
|
||||||
|
if (confirm('Are you sure you want to clear the cache?\nAll the models will be downloaded again.')) {
|
||||||
|
indexedDB.deleteDatabase(dbName);
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
//
|
||||||
|
// main
|
||||||
|
//
|
||||||
|
|
||||||
|
var intervalUpdate = null;
|
||||||
|
|
||||||
|
function onStart() {
|
||||||
|
if (!instance) {
|
||||||
|
instance = Module.init('whisper.bin');
|
||||||
|
|
||||||
|
if (instance) {
|
||||||
|
printTextarea("js: whisper initialized, instance: " + instance);
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
if (!instance) {
|
||||||
|
printTextarea("js: failed to initialize whisper");
|
||||||
|
return;
|
||||||
|
}
|
||||||
|
|
||||||
|
startRecording();
|
||||||
|
|
||||||
|
intervalUpdate = setInterval(function() {
|
||||||
|
var textToSpeak = Module.get_text_to_speak();
|
||||||
|
|
||||||
|
if (textToSpeak != null && textToSpeak.length > 1) {
|
||||||
|
onSpeak(textToSpeak);
|
||||||
|
}
|
||||||
|
|
||||||
|
document.getElementById('state-status').innerHTML = Module.get_status();
|
||||||
|
document.getElementById('state-context').innerHTML = Module.get_text_context();
|
||||||
|
}, 100);
|
||||||
|
}
|
||||||
|
|
||||||
|
function onStop() {
|
||||||
|
stopRecording();
|
||||||
|
}
|
||||||
|
|
||||||
|
function onVoiceChange() {
|
||||||
|
printTextarea('js: voice changed to: ' + document.getElementById('voice').value);
|
||||||
|
voice = synth.getVoices()[document.getElementById('voice').value];
|
||||||
|
}
|
||||||
|
|
||||||
|
</script>
|
||||||
|
<script type="text/javascript" src="talk.js"></script>
|
||||||
|
</body>
|
||||||
|
</html>
|
||||||
@ -2750,7 +2750,7 @@ int whisper_full(
|
|||||||
} else {
|
} else {
|
||||||
text += whisper_token_to_str(ctx, tokens_cur[i].id);
|
text += whisper_token_to_str(ctx, tokens_cur[i].id);
|
||||||
}
|
}
|
||||||
if (tokens_cur[i].id > whisper_token_beg(ctx)) {
|
if (tokens_cur[i].id > whisper_token_beg(ctx) && !params.single_segment) {
|
||||||
const auto t1 = seek + 2*(tokens_cur[i].tid - whisper_token_beg(ctx));
|
const auto t1 = seek + 2*(tokens_cur[i].tid - whisper_token_beg(ctx));
|
||||||
if (!text.empty()) {
|
if (!text.empty()) {
|
||||||
const auto tt0 = params.speed_up ? 2*t0 : t0;
|
const auto tt0 = params.speed_up ? 2*t0 : t0;
|
||||||
|
|||||||
Loading…
Reference in New Issue
Block a user