Whisper是一个用于语音识别和转录的机器学习模型，由OpenAI创建，并于2022年9月首次作为开源软件发布。
它能够转录英语和其他几种语言的语音，并且还能够将几种非英语语言翻译成英语。OpenAI声称，与之前的方法相比，在开发过程中使用的不同训练数据的组合提高了对口音、背景噪音和行话的识别。
faster whisper使用CTranslate2重新实现了OpenAI的Whisper模型，CTranslate2是Transformer模型的快速推理引擎。这种实现比openai/whisper在使用更少内存的情况下达到相同精度的4倍。在CPU和GPU上同时进行8位量化可以进一步提高效率。
fast whisper的好处之一是可以在cpu上运行，这样一来，即使你没有一块好的高端独立显卡，也可以运行fast whisper了。
我尝试了让fast whisper帮我识别了一首mp3歌曲 – 小幸运，识别结果如下图：
要求
Python 3.8 或更高版本
与 openai-whisper 不同，系统无需安装 FFmpeg。音频解码使用 Python 库 PyAV，该库的软件包中捆绑了 FFmpeg 库。
图形处理器
GPU 执行需要安装以下英伟达™（NVIDIA®）库：
用于 CUDA 11 的 cuBLAS
用于 CUDA 11 的 cuDNN 8
安装
该模块可从 PyPI 安装：
在git命令行输入pip install faster-whisper，等待安装完成就可以了。
使用：
编写如下代码并命名为test.py
from faster_whisper import WhisperModel
model_size = “large-v3″
# Run on GPU with FP16
#model = WhisperModel(model_size, device=”cuda”, compute_type=”float16″)
# or run on GPU with INT8
# model = WhisperModel(model_size, device=”cuda”, compute_type=”int8_float16″)
# or run on CPU with INT8
model = WhisperModel(model_size, device=”cpu”, compute_type=”int8″)
segments, info = model.transcribe(“audio.mp3”, beam_size=5)
print(“Detected language ‘%s’ with probability %f” % (info.language, info.language_probability))
for segment in segments:
print(“[%.2fs -> %.2fs] %s” % (segment.start, segment.end, segment.text))
然后把mp3文件放在和test.py同一个目录下
在该目录下运行cmd命令行，输入test.py
过一会就会得到运行结果了。
原创文章，作者：清凉油，如若转载，请注明出处：http://www.kzd001.com/971.html
