WAAS (Whisper as a Service)

WAAS significa Whisper as a Service. Ele encapsula o modelo de fala para texto Whisper da OpenAI em uma camada de serviço, transformando a transcrição em uma chamada de API em vez de um script local. Desenvolvido e aberto pelo grupo de mídia Schibsted (também usado para sua ferramenta de áudio do VG), é distribuído como contêineres Docker: uma API Flask, uma fila Redis e workers RQ que puxam jobs e rodam o Whisper. Um front-end separado, o Jojo, permite que usuários não técnicos arrastem um arquivo e obtenham resultados sem tocar na linha de comando.

O fluxo é simples. Você envia um arquivo por POST em /v1/transcribe junto com email_callback ou webhook_id e parâmetros opcionais como model, language e task. O WAAS enfileira o job, um worker transcreve de forma assíncrona e, ao terminar, você recebe um e-mail com links de download ou um POST assinado no webhook. Os resultados podem ser obtidos em SRT, VTT, texto com timecode, texto simples ou JSON, e a rota /v1/detect identifica o idioma do arquivo antes de uma transcrição completa.

Por ser auto-hospedado e licenciado sob Apache-2.0, o WAAS é voltado a equipes e desenvolvedores que querem a precisão do Whisper sem tarifas SaaS por minuto nem enviar áudio sensível a terceiros. Não é um produto gerenciado: você provisiona contêineres, GPU, armazenamento e infraestrutura de e-mail/webhook, e a qualidade da transcrição é exatamente a do modelo Whisper escolhido.