Whisper 使用简单实例教程【1】

一、Whisper 简介

Whisper 是 OpenAI 研发的自动语音识别(ASR)系统,它具备强大的多语言识别能力,能处理多种不同口音和背景噪音下的语音内容,将其准确地转换为文本。其支持的语言众多,包括但不限于英语、中文、法语、德语等,广泛应用于会议记录、音频字幕制作、语音内容整理等场景。

二、安装环境准备

(一)系统要求

Whisper 可以在多种操作系统上运行,如 Windows、macOS 和 Linux。以下以常见的操作环境为例进行说明。

(二)安装 Python

Whisper 是基于 Python 开发的,所以首先需要安装 Python。建议安装 Python 3.7 及以上版本。可以从 Python 官方网站(www.python.org/downloads/)... Python to PATH"选项,这样可以在命令行中直接使用 Python 命令。

(三)安装 Whisper

打开命令行工具(Windows 可以使用命令提示符或 PowerShell,macOS 和 Linux 可以使用终端),输入以下命令来安装 Whisper: %% bash `` pip install git+github.com/openai/whis... 这个命令会从 GitHub 上下载 Whisper 的源代码并进行安装。安装过程可能需要一些时间,取决于网络状况。

三、运行 Whisper 进行语音转文字

(一)准备音频文件

确保你有一个需要进行转录的音频文件,支持的音频格式包括 MP3、WAV、OGG 等。将音频文件放在你方便操作的目录下,例如创建一个名为"audio_files"的文件夹,把音频文件放入其中。

(二)选择模型

Whisper 提供了不同大小和精度的模型,模型越大,识别精度通常越高,但运行所需的计算资源也越多。常见的模型有:

  • tiny:体积小,运行速度快,但识别精度相对较低,适合对速度要求较高且对精度要求不是特别苛刻的场景。
  • base:在速度和精度之间取得了较好的平衡,是一个比较常用的选择。
  • small:精度比 base 更高,但运行速度会稍慢一些。
  • medium:识别精度进一步提升,不过需要更多的计算资源。
  • large:精度最高,但对硬件要求也最高,运行速度相对较慢。

(三)执行转录命令

在命令行中,使用以下命令来运行 Whisper 进行语音转文字: %% bash whisper /path/to/your/audio_file.mp3 --model base 将 `/path/to/your/audio\_file.mp3` 替换为你实际的音频文件路径,`--model base` 指定使用 base 模型。如果你想使用其他模型,只需将 `base` 替换为相应的模型名称,如 `tiny`、`small` 等。 例如,如果你将音频文件 `example.mp3` 放在了"audio\_files"文件夹中,并且当前命令行的工作目录是该文件夹的上级目录,那么命令可以写成: %% bash whisper audio_files/example.mp3 --model base

(四)查看转录结果

当命令执行完成后,Whisper 会在音频文件所在的目录下生成几个文件:

  • 文本文件(.txt):包含了音频文件的纯文本转录内容。
  • SRT 文件(.srt):这是一个字幕文件,包含了每个句子的时间戳,可用于视频添加字幕。
  • VTT 文件(.vtt) :也是一种字幕文件格式,同样包含时间戳信息。 你可以使用文本编辑器打开 .txt 文件查看转录的文本内容,也可以使用视频编辑软件导入 .srt.vtt 文件为视频添加字幕。

四、在 Python 脚本中使用 Whisper

除了在命令行中使用 Whisper,你还可以在 Python 脚本中调用 Whisper 进行语音转文字。以下是一个简单的 Python 脚本示例: %% python import whisper # 加载模型 model = whisper.load_model("base") # 进行转录 result = model.transcribe("audio_files/example.mp3") # 打印转录结果 print(result["text"]) 将上述代码保存为一个 `.py` 文件,例如 `transcribe.py`,然后在命令行中运行: %% bash python transcribe.py 这样就可以在 Python 脚本中实现语音转文字的功能。

五、注意事项

  • 硬件要求 :如果使用较大的模型(如 mediumlarge),建议使用配备 GPU 的计算机,以提高运行速度。可以通过安装 CUDA 来支持 GPU 加速。
  • 语言设置 :Whisper 通常可以自动识别音频中的语言,但如果需要指定语言,可以在命令中添加 --language 参数,例如 --language Chinese 表示指定音频语言为中文。
  • 网络问题:在安装 Whisper 或下载模型时,如果遇到网络问题,可以尝试使用代理或更换网络环境。 通过以上步骤,你就可以轻松地使用 Whisper 进行语音转文字,无论是在命令行还是 Python 脚本中都能快速完成音频内容的转录。
相关推荐
郝学胜-神的一滴1 小时前
SpringBoot实战指南:从快速入门到生产级部署(2025最新版)
java·spring boot·后端·程序人生
爷_6 小时前
字节跳动震撼开源Coze平台!手把手教你本地搭建AI智能体开发环境
前端·人工智能·后端
不过普通话一乙不改名9 小时前
第一章:Go语言基础入门之函数
开发语言·后端·golang
豌豆花下猫10 小时前
Python 潮流周刊#112:欢迎 AI 时代的编程新人
后端·python·ai
Electrolux10 小时前
你敢信,不会点算法没准你赛尔号都玩不明白
前端·后端·算法
whhhhhhhhhw11 小时前
Go语言-fmt包中Print、Println与Printf的区别
开发语言·后端·golang
ん贤11 小时前
Zap日志库指南
后端·go
Spliceㅤ11 小时前
Spring框架
java·服务器·后端·spring·servlet·java-ee·tomcat
IguoChan12 小时前
10. Redis Operator (3) —— 监控配置
后端
Micro麦可乐13 小时前
前端与 Spring Boot 后端无感 Token 刷新 - 从原理到全栈实践
前端·spring boot·后端·jwt·refresh token·无感token刷新