Whisper 是一种通用的语音识别模型。 它是OpenAI于2022年9月份开源的在各种音频的大型数据集上训练的语音识别模型,也是一个可以执行多语言语音识别、语音翻译和语言识别的多任务模型。
GitHub - yeyupiaoling/Whisper-Finetune: 微调Whisper语音识别模型和加速推理,支持Web部署和Android部署
Whisper Webui - a Hugging Face Space by aadnk
微调Whisper语音识别模型和加速推理_夜雨飘零1的博客-CSDN博客
Openai-Whisper识别生成语音/视频字幕文件(支持自动翻译) - 哔哩哔哩
Whisper OpenAI开源语音识别模型_开源语音识别算法_Sanfor的博客-CSDN博客
conda create -n whisper python=3.9
conda activate whisper
pip install git+https://github.com/openai/whisper.git
whisper audio.mp3 --model medium --language Chinese
解决输出繁体中文不输出简体中文问题:
whisper --language Chinese --model large audio.mp3 --initial_prompt "以下是 普通话句子"
就中文而言,Whisper各模型:
- tiny 是没有做断句的,或者说,直接根据停顿断句
- base 已经开始根据逻辑断句,但会出语法错误
- small 已经很少语法错误,但断句水平却直线下降,很奇怪
- medium 不仅能够完美的断句,还能判断语气
可以看出,飞书妙记给用户开放的转写能力大约在 tiny 到 base 之间(转写速度也在 tiny 左右,已经很快了)
值得指出的是,这里的对比,目的并不是比较二者的技术,否则对于飞书妙计相当的不公平,作为一款消费级应用,它不可能给用户跑medium等级的模型来做转写
对比的意义是,Whisper,作为一个开源模型,和消费级产品比起来怎么样?
答案是,完全可以替代,用 small 模型足以实现当下的免费体验了。
甚至,用 medium 以上的模型,可以用「时间」换「好得多的使用体验」
https://www.bilibili.com/read/cv19254244
openai开源的whisper在huggingface中使用例子(语音转文字中文)_语音识别_qq_37401291-开发者创业生态社区
OpenAI 开源音频转文字模型 Whisper 尝鲜 - 少数派
https://github.com/PaddlePaddle/PaddleSpeech/tree/develop/demos/speech_web
OpenAI 开源语音识别模型 Whisper - OSCHINA - 中文开源技术交流社区
OpenAI Whisper中文语音识别效果尝试和应用(一)_迷途的小朋友的博客-CSDN博客
GitHub - openai/whisper: Robust Speech Recognition via Large-Scale Weak Supervision