专门做运动装备的网站,宿州精品网站建设,做网站有必要注册商标吗,北京建工博海建设有限公司网站1、前言 好了#xff0c;那接下来看一下whisper开源库的介绍 有五种模型大小#xff0c;其中四种仅支持英语#xff0c;提供速度和准确性的权衡。上面便是可用模型的名称、大致的内存需求和相对速度。如果是英文版的语音#xff0c;直接想转换为英文。 本来我是想直接在我的…
1、前言 好了那接下来看一下whisper开源库的介绍 有五种模型大小其中四种仅支持英语提供速度和准确性的权衡。上面便是可用模型的名称、大致的内存需求和相对速度。如果是英文版的语音直接想转换为英文。 本来我是想直接在我的本地电脑上安装环境的也就是无非安装python、ffmpeg、以及whisper但是发现电脑配置太低了而且我想测试一下large模型CPU 肯定是不行但是如果用本机的 GPU也是快不到哪里去的。 所以这里我想到谷歌的colab.research.google.com 免费在线运行而且我可以启用GPU硬件加速感觉上还是非常快的当然如果需要你还可以购买。 下面是我的免费配置 colab.research.google.com 运行起来还是非常流畅真的香喷喷如果需要我都想付费了。 可以应用于那些场景 会议记录: 直接将录音转换为文字 个人视频制作: 很多时候都希望有字幕的效果听说剪映的效果都没有这个好 课堂记录转写将课堂上的内容记录下来这样后面直接查看文字版本也是非常方便 通话记录有些重要的电话可将其录音转换为文字以备后面查询也是非常不错的 字幕组这个就不用说了 有可能还涉及到多语言准备率很高的话 可以省很多事情 实时语音翻译这个服务器配置够高的话理论上就非常快速 2、开始实践 2.1、检查colab环境 !nvidia-smi -L
!nvidia-smi 运行两个指令结果如下 1.!nvidia-smi -L-L 参数用于列出系统上安装的所有 NVIDIA GPU 设备。运行此命令后您将看到关于可用 GPU 的信息包括其型号和 UUID。 2.!nvidia-smi不带任何参数运行 nvidia-smi 会显示有关 NVIDIA GPU 的详细信息包括 GPU 设备的编号、名称、总内存和温度。GPU 使用率如计算、内存和显存使用率。运行在 GPU 上的进程以及它们的相关信息如进程 ID、显存占用等。 只不过这里我还没开始使用GPU而已所以显示的是空的。 2.2、安装whisper !pip install requests beautifulsoup4
!pip install githttps://github.com/openai/whisper.git
import torch
import sys
device torch.device(cuda:0)
print(正在使用的设备:, device, filesys.stderr)
print(Whisper已经被安装请执行下一个单元) 这里主要就是安装whisper 2.3、 whisper模型选择 #markdown # ** whisper Model选择**
Model large-v2 #param [tiny.en, tiny, base.en, base, small.en, small, medium.en, medium, large, large-v2]
import whisper
from IPython.display import Markdown
whisper_model whisper.load_model(Model)
if Model in whisper.available_models():display(Markdown(f**{Model} model is selected.**))
else:display(Markdown(f**{Model} model is no longer available.** Please select one of the following: - { - .join(whisper.available_models())})) 这里我选择的是最大的模型 large-v2,因为我要转换中文字幕前面四个都只支持英文这个在文章开头也说了的。 2.4、 开始音频转字幕 audio_path /content/downloads/test1.m4a
audio_path_local Path(audio_path).resolve()
transcription whisper.transcribe(whisper_model,str(audio_path_local),temperaturetemperature,**args,
)
# Save output
whisper.utils.get_writer(output_formatoutput_format,output_diraudio_path_local.parent
)(transcription,title
) 我首先要准备一个m4a的音频文件这里可以直接上传到colab 左侧当前目录是 content然后右键新建文件夹downloads然后在downloads文件夹上点击上传m4a文件 上传完毕后可以看到m4a文件已经在目录下了。 whisper.transcribe 方法有好多的参数 whisper_model主要是设置model模型output_format 主要是设置字幕输出的文件格式temperature 值设置的较低那么表述相对精准一些值越大表述可能更加抽象一点args中有一个language语言比如这里我要将音频转换为中文字幕 设置为cn 或者chinese这里主要可以查看 whisper/tokenizer.py at main · openai/whisper · GitHub 2.4、运行查看效果 点击运行后可以看到一段一段的在执行转换了,整体感觉运行还是非常流畅了这比看别人在本地运行速度可是快多了 最后可以看到srt字幕文件也已经生成了可以直接点击左侧文件点击下载即可。 生成的srt文件如下 3、总结 这个whisper相当于离线版本可以自己部署到本地或者服务器提供给自己使用相信后续OpenAI应该还会有更新提供更多精彩的功能使用。 from:
5、ChatGPT开源的whisper音频生成字幕可本地搭建环境运行效果质量很棒-阿里云开发者社区 kkview远程控制 手机电脑看屏幕和摄像头
