本地部署Whisper实现语言转文字

2024-06-04 6810阅读

文章目录

  • 本地部署Whisper实现语言转文字
  • 1.前置条件
  • 2.安装chocolatey
  • 3.安装ffmpeg
  • 4.安装whisper
  • 5.测试用例
  • 6.命令行用法
  • 7.本地硬件受限,借用hugging face资源进行转译

    本地部署Whisper实现语言转文字

    1.前置条件

    环境windows10 64位

    本地部署Whisper实现语言转文字 第1张

    2.安装chocolatey

    安装chocolatey目的是安装ffpeg
    

    以管理员身份运行PowerShell

    粘贴命令

    Set-ExecutionPolicy Bypass -Scope Process -Force; [System.Net.ServicePointManager]::SecurityProtocol = [System.Net.ServicePointManager]::SecurityProtocol -bor 3072; iex ((New-Object System.Net.WebClient).DownloadString('https://community.chocolatey.org/install.ps1'))
    

    安装成功打入choco

    本地部署Whisper实现语言转文字 第2张

    安装文件夹路径

    C:\ProgramData\chocolatey
    

    3.安装ffmpeg

    choco install ffmpeg
    

    本地部署Whisper实现语言转文字 第3张

    4.安装whisper

    pip install git+https://github.com/openai/whisper.git
    

    安装完成运行

    pip install --upgrade --no-deps --force-reinstall git+https://github.com/openai/whisper.git
    

    安装完成

    本地部署Whisper实现语言转文字 第4张

    5.测试用例

    直接命令行

    whisper yoump3.mp3
    

    本地部署Whisper实现语言转文字 第5张

    本地部署Whisper实现语言转文字 第6张

    6.命令行用法

    以下命令将使用medium模型转录音频文件中的语音:

    whisper audio.flac audio.mp3 audio.wav --model medium
    

    默认设置(选择模型small)非常适合转录英语。要转录包含非英语语音的音频文件,您可以使用以下选项指定语言--language:

    whisper japanese.wav --language Japanese
    

    添加--task translate后将把演讲翻译成英文:

    whisper japanese.wav --language Japanese --task translate
    

    运行以下命令查看所有可用选项:

    whisper --help
    

    7.本地硬件受限,借用hugging face资源进行转译

    进入huggingface网址,往下拉

    https://huggingface.co/openai/whisper-large-v3
    

    本地部署Whisper实现语言转文字 第7张

    粘贴上述代码

    import torch
    from transformers import AutoModelForSpeechSeq2Seq, AutoProcessor, pipeline
    from datasets import load_dataset
    device = "cuda:0" if torch.cuda.is_available() else "cpu"
    torch_dtype = torch.float16 if torch.cuda.is_available() else torch.float32
    model_id = "openai/whisper-large-v3"
    model = AutoModelForSpeechSeq2Seq.from_pretrained(
        model_id, torch_dtype=torch_dtype, low_cpu_mem_usage=True, use_safetensors=True
    )
    model.to(device)
    processor = AutoProcessor.from_pretrained(model_id)
    pipe = pipeline(
        "automatic-speech-recognition",
        model=model,
        tokenizer=processor.tokenizer,
        feature_extractor=processor.feature_extractor,
        max_new_tokens=128,
        chunk_length_s=30,
        batch_size=16,
        return_timestamps=True,
        torch_dtype=torch_dtype,
        device=device,
    )
    dataset = load_dataset("distil-whisper/librispeech_long", "clean", split="validation")
    sample = dataset[0]["audio"]
    result = pipe(sample)
    print(result["text"])
    

    修改本地代码,将sample修改为,需要转录的录音,接入代理;

    import torch
    from transformers import AutoModelForSpeechSeq2Seq, AutoProcessor, pipeline
    from datasets import load_dataset
    import os
    os.environ['CURL_CA_BUNDLE'] = ''
    os.environ["http_proxy"] = "http://127.0.0.1:7890"
    os.environ["https_proxy"] = "http://127.0.0.1:7890"
    device = "cuda:0" if torch.cuda.is_available() else "cpu"
    torch_dtype = torch.float16 if torch.cuda.is_available() else torch.float32
    model_id = "openai/whisper-large-v3"
    model = AutoModelForSpeechSeq2Seq.from_pretrained(
        model_id, torch_dtype=torch_dtype, low_cpu_mem_usage=True, use_safetensors=True
    )
    model.to(device)
    processor = AutoProcessor.from_pretrained(model_id)
    pipe = pipeline(
        "automatic-speech-recognition",
        model=model,
        tokenizer=processor.tokenizer,
        feature_extractor=processor.feature_extractor,
        max_new_tokens=128,
        chunk_length_s=30,
        batch_size=16,
        return_timestamps=True,
        torch_dtype=torch_dtype,
        device=device,
    )
    dataset = load_dataset("distil-whisper/librispeech_long", "clean", split="validation")
    sample = dataset[0]["audio"]
    result = pipe("myaudio")
    print(result["text"])
    

    借用huggingface的速度,速度取决于网速


    免责声明:我们致力于保护作者版权,注重分享,被刊用文章因无法核实真实出处,未能及时与作者取得联系,或有版权异议的,请联系管理员,我们会立即处理! 部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理! 图片声明:本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库和百度,360,搜狗等多加搜索引擎自动关键词搜索配图,如有侵权的图片,请第一时间联系我们,邮箱:ciyunidc@ciyunshuju.com。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!

    目录[+]