如何搭建一个实时对话转录应用(类似zoom中的文本转录功能)并部署到 Heroku

本文主要是介绍如何搭建一个实时对话转录应用(类似zoom中的文本转录功能)并部署到 Heroku,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章目录

  • 应用搭建
    • Assembly AI
    • 文件夹结构
    • 前端搭建
      • HTML
      • index.js
    • 后端搭建
      • server.js
      • package.json
  • Heroku 部署
    • 创建账号
    • 创建Heroku应用
    • 上传仓库

应用搭建

  • 应用基于 html + javascript
  • 使用的第三方 API 是 Assembly AI 提供的
    在这里插入图片描述

Assembly AI

  • 要使用 real-time transcript 功能,需要首先注册一个 Assembly AI 的 pro 套餐,
  • 我默认存在里面 $5 作为我玩这个应用的费用
    在这里插入图片描述
  • 后面就是把这个 token 放到 server.jsauthorization 里面

文件夹结构

.
├── README.md
├── package-lock.json
├── package.json
├── public
│   ├── css
│   ├── index.html
│   └── js
└── server.js3 directories, 5 files
  • 本代码基于 Assembly AI 官方推荐的基于 javascript 的代码,但是为了部署做了一些细节的调整,大家可以直接拿我的 源码 进行修改
  • 尽量将所有的静态资源统一放在 public 文件夹下面

前端搭建

HTML

在这里插入图片描述

  • 前端基于原生的 HTML 文件,需要注意的就是我在原代码的基础上增加了一个 <div> “all_text” 方便在每次一个人发言完成后,下一次发言另起一段,这样如果有多个人一起交流,就可以按照先后顺序进行显示,而源码中只是将一个人所有的发言放在一个段落 <p id="message"> 里面。

index.js

在这里插入图片描述

  • 一开始我们通过 CSS 选择器来定位这几个 dom 对象,方便后面针对不同的 dom 进行操作
  • 整体上来看,我们将一个 click 事件绑定在 button 上,当这个 click 发生的时候我们会启动 run 这个异步函数
    在这里插入图片描述
  • run 中的主要代码逻辑在 26 行的 else 开始,这里如果不进行 Heroku 部署,那么相当于你将自己的 localhost 作为服务器,并且分配了一个端口(在我的程序中我是用了 30001 端口)并且分配了一个endpoint 也就是 /token 来指定访问后端的 token 端点来请求服务,这个服务后面我们需要结合后端的代码一起说。这里你只需要有个大致的理解,要想使用 Assembly AI 的 transcript 这个功能,我们需要一个 token 向 Assembly AI 证明自己的身份,因此当前端点击 record 按键的时候,它就要求后端去向 Assembly AI 请求这个 token
  • response 的结果就是这个 token
  • 因此,前端再拿这个 token 直接与 Assembly AI 的服务器建立 Websocket 连接,注意这个只是点很重要,因为我们通常使用的都是 http 连接,但是 http 连接的问题在于它每次请求一组数据,每次请求完毕就会断掉连接,但是进行 transcript 是一个持续的过程,因此我们不能让连接断掉,所以使用 websocket 建立连接
  • 如果后面需要部署 Heroku 的话,请求 token 的端点就要改成你自己部署的 Heroku 服务的 token 端点了
  • 通过 Websocket 得到相应的 transcript 数据之后就按部就班地显示在前端就可以了

在这里插入图片描述

  • 这里的 res 就是 Assembly AI 的 API 返回的数据,每条数据都会有一些属性(建议自己 debug 一下看看),其中 message_type 可以表明当前这句话是不是发言者结束发言的句子,如果是,我在这里让下一次识别的结果在一个新起的段落中显示。

后端搭建

server.js

在这里插入图片描述
需要注意:

  • 设定静态的文件夹,这个对于 Heroku 非常重要,如果不在这里指定,那么在 Heroku 部署之后不会显示前端的页面
  • authorization: 后面的东西需要你注册一个 Assembly AI 的 pro 套餐才能使用,他会给你一个 key,你拿到这个 key 才能向 Assembly AI 的后台申请到 token 用于文本转录
  • port 的指定,如果在本地的话,你可以直接写成任意端口,但是在 Heroku 的部署过程中,它需要给你实时分配端口,因此写成 process.env.PORT || 30001 ,这个意思就是,如果服务器部署的时候 30001 端口可用就用,不可用就自动分配一个
  • server.js 本质上只做了一件事情,就是通过 key 向 Assembly AI 后台请求一个 token 并且返回给前端

package.json

最后是 package.json 文件
在这里插入图片描述

  • 如果进行 Heroku 部署,则部署成功之后,Heroku 会默认通过 npm start 来启用应用程序,而在作者原本提供的代码中是没有这个 start 命令的,因此我们在这里定义 start 命令为开启 server.js 应用

Heroku 部署

  • 注意在使用 Heroku 期间尽量不要使用 VPN,因为它会检测你的地址问题,如果不匹配,它会报错,当然这是个概率事件,因此我建议关闭 VPN

创建账号

https://id.heroku.com/login
在这里插入图片描述

  • 现在 Heroku 登录增加了很多安全验证,比如用手机或者 ipad 等设备来创建安全命令,不过不用担心,照做即可

创建Heroku应用

在这里插入图片描述

在这里插入图片描述

  • 在第一次使用这个步骤的时候,应该还需要让你绑定一个银行卡,方便后续扣款,这个大家自己根据情况设置

上传仓库

  • 假设我创建的应用叫做 transcrpit-demo2
  • 按照这个步骤,在你本地的文件夹操作即可
    在这里插入图片描述

这篇关于如何搭建一个实时对话转录应用(类似zoom中的文本转录功能)并部署到 Heroku的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/339413

相关文章

Python使用DeepSeek进行联网搜索功能详解

《Python使用DeepSeek进行联网搜索功能详解》Python作为一种非常流行的编程语言,结合DeepSeek这一高性能的深度学习工具包,可以方便地处理各种深度学习任务,本文将介绍一下如何使用P... 目录一、环境准备与依赖安装二、DeepSeek简介三、联网搜索与数据集准备四、实践示例:图像分类1.

如何关闭 Mac 触发角功能或设置修饰键? mac电脑防止误触设置技巧

《如何关闭Mac触发角功能或设置修饰键?mac电脑防止误触设置技巧》从Windows换到iOS大半年来,触发角是我觉得值得吹爆的MacBook效率神器,成为一大说服理由,下面我们就来看看mac电... MAC 的「触发角」功能虽然提高了效率,但过于灵敏也让不少用户感到头疼。特别是在关键时刻,一不小心就可能触

Spring AI集成DeepSeek三步搞定Java智能应用的详细过程

《SpringAI集成DeepSeek三步搞定Java智能应用的详细过程》本文介绍了如何使用SpringAI集成DeepSeek,一个国内顶尖的多模态大模型,SpringAI提供了一套统一的接口,简... 目录DeepSeek 介绍Spring AI 是什么?Spring AI 的主要功能包括1、环境准备2

Spring AI与DeepSeek实战一之快速打造智能对话应用

《SpringAI与DeepSeek实战一之快速打造智能对话应用》本文详细介绍了如何通过SpringAI框架集成DeepSeek大模型,实现普通对话和流式对话功能,步骤包括申请API-KEY、项目搭... 目录一、概述二、申请DeepSeek的API-KEY三、项目搭建3.1. 开发环境要求3.2. mav

如何使用Docker部署FTP和Nginx并通过HTTP访问FTP里的文件

《如何使用Docker部署FTP和Nginx并通过HTTP访问FTP里的文件》本文介绍了如何使用Docker部署FTP服务器和Nginx,并通过HTTP访问FTP中的文件,通过将FTP数据目录挂载到N... 目录docker部署FTP和Nginx并通过HTTP访问FTP里的文件1. 部署 FTP 服务器 (

C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)

《C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)》本文主要介绍了C#集成DeepSeek模型实现AI私有化的方法,包括搭建基础环境,如安装Ollama和下载DeepS... 目录前言搭建基础环境1、安装 Ollama2、下载 DeepSeek R1 模型客户端 ChatBo

Ubuntu 22.04 服务器安装部署(nginx+postgresql)

《Ubuntu22.04服务器安装部署(nginx+postgresql)》Ubuntu22.04LTS是迄今为止最好的Ubuntu版本之一,很多linux的应用服务器都是选择的这个版本... 目录是什么让 Ubuntu 22.04 LTS 变得安全?更新了安全包linux 内核改进一、部署环境二、安装系统

JAVA集成本地部署的DeepSeek的图文教程

《JAVA集成本地部署的DeepSeek的图文教程》本文主要介绍了JAVA集成本地部署的DeepSeek的图文教程,包含配置环境变量及下载DeepSeek-R1模型并启动,具有一定的参考价值,感兴趣的... 目录一、下载部署DeepSeek1.下载ollama2.下载DeepSeek-R1模型并启动 二、J

Docker部署Jenkins持续集成(CI)工具的实现

《Docker部署Jenkins持续集成(CI)工具的实现》Jenkins是一个流行的开源自动化工具,广泛应用于持续集成(CI)和持续交付(CD)的环境中,本文介绍了使用Docker部署Jenkins... 目录前言一、准备工作二、设置变量和目录结构三、配置 docker 权限和网络四、启动 Jenkins

MobaXterm远程登录工具功能与应用小结

《MobaXterm远程登录工具功能与应用小结》MobaXterm是一款功能强大的远程终端软件,主要支持SSH登录,拥有多种远程协议,实现跨平台访问,它包括多会话管理、本地命令行执行、图形化界面集成和... 目录1. 远程终端软件概述1.1 远程终端软件的定义与用途1.2 远程终端软件的关键特性2. 支持的