OpenAI之Whisper实时语音分析转文字

已于 2024-05-13 14:28:37 修改
阅读量1.6k 收藏 6
点赞数 5
CC 4.0 BY-SA版权
分类专栏： Python 文章标签： whisper
于 2024-05-13 14:06:41 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/fittec/article/details/138800541

1.安装ffmpeg

2.安装python3.11

3.安装whisper

pip install whisper

conda环境安装whisper

 conda install whisper

命令行安装openai-whisper

pip install openai-whisper

 

设置环境变量

 4.分析语音并输出(默认使用GPU计算，如果没有安装CUDA,请使用CPU)

 whisper ./test.m4a --model small --output_format srt --language Chinese

5.使用CPU计算分析音频并输出

whisper ./test.m4a --model small --output_format srt --language Chinese --device cpu

 CPU分析音频会比GPU慢

使用python脚本操作whisper:

 

OpenAI Whisper：开启语音转文本的智能时代
xiezhipu的博客
03-06 254
Whisper不仅是一项技术突破，更是开源协作的典范。它通过开放代码与社区共建，加速了语音识别技术的普及与创新。无论是专业开发者寻求技术赋能，还是普通用户追求效率提升，Whisper都为其提供了无限可能。随着AI技术的持续演进，Whisper有望成为未来智能生活的核心基础设施，让“听见”与“理解”变得更加自然与高效。
openai 开源模型Whisper语音转文本模型下载使用
洛阳泰山的博客
05-11 4164
Whisper 是一种通用语音识别模型。它是在大量不同音频数据集上进行训练的，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。官方地址。
本地搭建 Whisper 语音识别模型实现实时语音识别研究
一只老虎的专栏
09-03 5263
语音识别技术近年来发展迅速，广泛应用于智能家居、智能客服、语音助手等领域。Whisper 是由 OpenAI 开发的一种开源语音识别模型，具有高效的转录能力。本研究旨在探讨如何在本地环境中搭建 Whisper 语音识别模型，并实现实时语音识别功能。本文详细描述了搭建环境、模型加载、实时音频流处理等步骤，并通过实验验证了系统的性能和可行性。
【免费下载】 推荐开源项目：Whisper - 实时语音转文本的利器
gitblog_00060的博客
05-22 3182
推荐开源项目：Whisper - 实时语音转文本的利器 1、项目介绍 Whisper 是一个由 OpenAI 制作的开源项目，它提供了一个强大的工具，能够将音频转换为文本。该项目基于 whisper.cpp 并利用 FFMPEG 进行音频格式转换，可以在客户端和服务器端运行，且不依赖互联网连接。Whisper 提供了 Flutter 应用示例，使得在各种平台上实现语音识别变得更加便捷。 2、项目技...
Whisper(Openai)部署方案测试
最新发布
weixin_69087874的博客
05-23 764
Whisper 是 OpenAI 开发的开源语音识别模型，具备强大的多语言处理能力和高精度转录效果，适用于多种音频类型。
语音转文字神器！Whisper 可实现实时转录，打工人必备！
XLionXxxx的博客
08-21 1817
平台会自动为容器选配合适的算力资源和镜像版本，这里使用的是英伟达 RTX 4090 的算力资源和 PyTorch 的镜像，别忘了使用文章开头的邀请链接，get 免费时长！选择好后，点击「下一步：审核」即可。系统分配资源完成后，待状态显示为「运行中」后，将鼠标悬停在 API 地址处，点击链接进入模型。登录到 OpenBayes 平台后，打开「公共教程」，找到「Whisper Web 在线语音识别工具」的教程。平台在克隆过程中会自动为容器绑定所需要的数据，不需要我们再手动配置，直接点击「下一步：选择算力」。
【免费下载】 WhisperLive: 实时语音转文字的高效解决方案
gitblog_01137的博客
08-12 2194
WhisperLive: 实时语音转文字的高效解决方案 项目介绍 WhisperLive是一款基于OpenAI的Whisper模型构建的实时语音转文字的应用程序。此项目特别设计用于提高语音识别效率，尤其是在处理实时音频输入或预录音频文件时。它引入了先进的声音活动检测（Voice Activity Detection，简称VAD）技术，仅在检测到语音时发送音频数据至Whisper模型进行转换，从而减...
【亲测免费】 Whisper-Streaming：实时语音转写与翻译的革命性工具
gitblog_00472的博客
08-09 1826
Whisper-Streaming：实时语音转写与翻译的革命性工具 在语音识别与翻译领域，Whisper模型以其卓越的性能备受瞩目。然而，其设计初衷并非针对实时应用。为了填补这一空白，Dominik Macháček、Raj Dabre和Ondřej Bojar三位研究者联手打造了Whisper-Streaming项目，将Whisper模型转变为实时转写系统，为长篇语音的实时转写与翻译提供了全新的...
使用openai和whisper实现语音转文字
weixin_52151727的博客
02-16 1262
解决办法： 打开命令行 输入 winget install Gyan.FFmpeg（该方法应该能直接将ffmpeg添加到系统变量里）music_path我使用的是绝对路径，因为我的music.m4a文件直接放在python文件里。如果返回 FFmpeg 的版本信息，说明安装成功。print("转录结果：", result)调用openai 和whisper。验证 FFmpeg 是否安装成功。打开命令提示符（cmd）。清华源安装openai。
使用 OpenAI Whisper 模型实现语音转文本
ppoojjj的博客
05-24 2168
Whisper 是 OpenAI 开发的一个开源语音转文本模型。large-v2 Whisper 模型是其中最先进的版本，具备出色的转录和翻译能力。通过 OpenAI 提供的 API，我们可以方便地将音频文件转换为文本。OpenAI 提供了两个语音转文本端点：transcriptions 和 translations。将音频转录为原语言的文本。将音频翻译并转录为英文文本。API 支持的输入文件类型包括 mp3、mp4、mpeg、mpga、m4a、wav 和 webm，文件大小限制为 25 MB。
请查收使用OpenAI的Whisper进行语音识别的攻略
u013250861的博客
01-03 1805
Whisper是一种令人激动的新型语言模型，采用了全新的语音识别方法，即使是低质量的音频，Whisper也能产生高质量的结果，并且对各种声音和语言的适应性极强，无需进行微调。Whisper是开源的，有一系列可用的模型尺寸，可以作为众多语音转文字应用的有效解决方案，包括翻译、智能个人助理、车辆语音控制系统、客户服务运营等等。
Faster-Whisper 实时识别电脑语音转文本
热门推荐
SlowFeather's blog
02-02 1万+
以前做的智能对话软件接的Baidu API，想换成本地的，就搭一套Faster-Whisper吧。下面是B站视频实时转写的截图。
实战whisper第二天：直播语音转字幕（全部代码和详细部署步骤）
qq_34717531的博客
03-21 7048
基于Whisper的实时直播语音转录或翻译是一项使用OpenAI的Whisper模型实现的技术，它能够实时将直播中的语音内容转录成文本，甚至翻译成另一种语言。这一过程大致分为三个步骤：捕获直播音频流、语音识别（转录）以及翻译（如果需要）。下面详细解释其原理和意义。
实战whisper语音识别第一天，部署服务器，可远程访问，实时语音转文字（全部代码和详细部署步骤）
qq_34717531的博客
03-18 6449
Whisper是OpenAI于2022年发布的一个开源深度学习模型，专门用于语音识别任务。它能够将音频转换成文字，支持多种语言的识别，包括但不限于英语、中文、西班牙语等。Whisper模型的特点是它在多种不同的音频条件下（如不同的背景噪声水平、说话者的口音、语速等）都能实现高准确率的语音识别，这得益于它在训练过程中使用的大量多样化的音频数据。
whisper实时语音转文字
m0_62458145的博客
12-19 1758
Openai whisper模型下载链接，包括medium（中型），large-v1、large-v2、large-v3。Whisper提供了多种大小的模型，您可以根据需要下载。模型文件通常保存在~/.cache/whisper/目录下。此外你还需要安装ffmpeg。
Whisper 音频转文字模型体验；语音实时转录文字工具；mp3转avi
weixin_42357472的博客
05-09 2232
参考： https://github.com/openai/whisper https://blog.youkuaiyun.com/weixin_44011409/article/details/127507692安装Whisper 和ffmpeg （# on Ubuntu or Debian sudo apt update && sudo apt install ffmpegon Windows using Chocolatey (https://chocolatey.org/) choco install ffmp
[python]基于faster whisper实时语音识别语音转文本
lwx666sl的博客
12-31 2918
代码仅仅用了40多行即可实现实时语音转文本功能。
探索实时语音转文本的未来：OpenAI Whisper Realtime
gitblog_00024的博客
06-09 537
探索实时语音转文本的未来：OpenAI Whisper Realtime 项目简介 在快速发展的AI领域中，OpenAI Whisper Realtime 是一个创新的实验项目，它致力于实现几乎实时的语音识别。利用OpenAI的Whisper模型，这个小巧的Python脚本可以在你的设备上即时转换音频输入为文本，为你提供一种高效便捷的通信方式。 技术解析 该项目依赖于以下几个关键库： Pytho...
记录第一个复现的实时whisper语音转文字demo
weixin_48133091的博客
07-06 1545
安装speech_recognition时需要安装依赖包PyAudio、pocketsphinx。点击运行程序后出现model loaded 没有错误然后直接对着麦克风说话即可。还需要安装ffmpeg-python否则会报错。
whisper实时语音转文字中文
02-26
### Whisper 实现中文实时语音转文字 #### 使用 Python 和 Streamlit 构建简单的 Web 应用程序 为了实现中文的实时语音转文字功能，可以利用 Whisper 的强大特性并结合一些额外的技术栈来构建一个简易的应用程序。下面是一个基于 Python 和 Streamlit 的简单例子。 首先安装必要的库： ```bash pip install streamlit openai-whisper pyaudio sounddevice ``` 创建 `app.py` 文件用于定义应用程序逻辑： ```python import whisper import streamlit as st import sounddevice as sd from scipy.io.wavfile import write import numpy as np def record_audio(duration=5, fs=44100): """录制指定秒数的声音""" myrecording = sd.rec(int(duration * fs), samplerate=fs, channels=2) sd.wait() # Wait until recording is finished return myrecording, fs st.title('Whisper 中文实时语音转文字') model_name = "base" if model := st.sidebar.selectbox( '选择模型', ('tiny', 'small', 'medium', 'large')): model_name = model # 加载预训练好的whisper模型 @st.cache_resource(show_spinner="正在加载模型...") def load_model(model_size=model_name): return whisper.load_model(model_size) loaded_model = load_model() option = st.radio("请选择输入方式", ("麦克风录入", "上传音频")) if option == "麦克风录入": duration = st.slider('录音时间(s)', min_value=1, max_value=30, value=5) if st.button(f'开始{duration}秒录音'): with st.spinner(f"正在录音..."): audio_data, sample_rate = record_audio(duration) file_path = f"./temp_recording_{np.random.randint(999)}.wav" write(file_path, sample_rate, audio_data) # Save as WAV file result = loaded_model.transcribe(file_path, language='zh') st.write(result["text"]) else: uploaded_file = st.file_uploader("请上传音频文件") if uploaded_file is not None: bytes_data = uploaded_file.getvalue() with open("./uploaded_temp.wav", "wb") as f: f.write(bytes_data) result = loaded_model.transcribe("./uploaded_temp.wav", language='zh') st.write(result["text"]) ``` 此代码片段展示了如何通过 Streamlit 创建图形界面让用户可以选择从麦克风录制声音或是上传已有音频文件来进行转换[^1]。当选择了麦克风选项时，会调用内置函数完成短暂录音并将结果保存至临时位置供后续处理；而如果用户上传了文件，则直接读取该文件的内容进行分析。最后一步都是使用已经加载完毕的 Whisper 模型执行 transcribe 方法得到最终的文字输出[^2]。 #### 关键配置项说明 - **Model Size**: 支持 tiny/small/medium/large 不同大小版本的选择，默认采用 base 版本，在精度与速度之间取得平衡。 - **Language Parameter**: 设置为 zh 来确保只针对中文语料做优化[^3]。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

自由软件开发者

有你的鼓励，我会更加努力。

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值