本地部署OpenAI Whisper 语音识别模型 效果非常不错

AI / 作者：

1、whisper简介

  • Whisper是一个通用的 语音识别 模型。它是在不同音频的大型数据集上训练的，也是一个多任务模型，可以执行多语言语音识别、语音翻译和语言识别。

  • whisper有五种模型尺寸，提供速度和准确性的平衡，其中English-only模型提供了四种选择。下面是可用模型的名称、大致内存需求和相对速度。

在这里插入图片描述

  • github链接：https://github.com/openai/whisper

2、方法

一种 Transformer 序列到序列模型被训练用于各种语音处理任务，包括多语种语音识别、语音翻译、口语语言识别以及语音活动检测。这些任务共同以一个需要被解码器预测的符号序列的形式进行表示，从而使得单个模型可以替代传统语音处理管道中的多个阶段。多任务训练格式使用一系列特殊的符号作为任务指示符或分类目标。
在这里插入图片描述

3、环境配置

conda create -n whisper python=3.9
conda activate whisper
pip install -U openai-whisper
sudo apt update && sudo apt install ffmpeg
pip install setuptools-rust

4、python测试脚本

  • 以轻量级tiny模型为例，测试脚本如下：
import whisper
model = whisper.load_model("tiny")
result = model.transcribe("sample_1.wav")
print(result["text"])

测试结果如下：

在这里插入图片描述

  • 如果要测试large模型，需要16GB以上的显卡才行。

注：以上测试脚本暂不支持多gpu，这是因为有可能在一个GPU上加载编码器，在另一个GPU上加载解码器。

如果想通过多gpu测试，可尝试以下方法：

  • 首先更新包，以便它有最新的提交
pip install --upgrade --no-deps --force-reinstall git+https://github.com/openai/whisper.git
  • 然后，参考以下脚本：
import whisper

model = whisper.load_model("large", device="cpu")