勿忘初心做自己 发表于 2024-9-8 12:16:11

语音辨认whisper的介绍、安装、错误记载

介绍

Whisper是OpenAI于2022年9月份开源的通用的语音辨认模型。它是在各种音频的大型数据集上练习的模型,也是一个可以实行多语言语音辨认、语音翻译和语言辨认的多使命模型。
论文链接:https://arxiv.org/abs/2212.04356
github链接:https://github.com/openai/whisper
安装

Whisper主要是基于Pytorch实现,所以必要在安装有pytorch的环境中利用。
1、安装Whisper

pip install -U openai-whisper
或者
pip install git+https://github.com/openai/whisper.git
安装好之后,打开cmd界面,实行whisper,出现如下提示分析安装乐成
https://i-blog.csdnimg.cn/blog_migrate/c68453892a599bbf792aadd37e87ef0d.png
2、安装FFmpeg

FFmpeg是一款音视频编解码工具。Whisper必要利用FFmpeg工具提取声音数据,所以必要安装配置FFmpeg。
参考博客:https://blog.csdn.net/weixin_45487348/article/details/130722161
安装好之后,,打开cmd界面,实行ffmpeg,出现如下提示分析安装乐成
https://i-blog.csdnimg.cn/blog_migrate/6a4758b3abb53bf0adf5e6f77811fe52.png
3、安装Rust

网上很多步骤说,必要安装Rust,用于实现快速分词,因为我暂时没用到这个,所以各人按需下载~
pip install setuptools-rust
利用

下令行方式

# 帮助信息
whisper --help

# 根据官网使用教程可以有以下常用方式
whisper music.mp3 --model tiny --language Chinese --device cuda:0 --initial_prompt "以下是普通话的句子"
https://i-blog.csdnimg.cn/blog_migrate/b3ea30d13f278b5482704806e382ed53.png
Python代码

import whisper
model = whisper.load_model("base", "cpu")
mps_path = r"music.mp3"
result = model.transcribe(mps_path, fp16=False, language='Chinese')
print(result["text"])
分析:假如你的呆板有GPU,那这里的**“fp16=False”**不是必须的。因为笔者本地测试呆板没有GPU,只用用CPU进行测试,所以这里我设置了这个参数。
whisper模型

https://i-blog.csdnimg.cn/blog_migrate/4615dcce486f5336e49dfc3c15475fdf.png
报错信息

以下是笔者调试过程中遇到的错误记载:
Error 1

FileNotFoundError: 系统找不到指定的文件。
解决办法:
找到External Libraries —> Python 3.8 —> Libs —> subprocess.py —> Ctrl+F 查找“class POpen” ,将shell=False,改为 shell=True。
https://i-blog.csdnimg.cn/blog_migrate/c2c51b5d97a9df065b00d0c64922d5f1.png
参考链接:https://blog.csdn.net/qq_24118527/article/details/90579328
Error 2

UnicodeDecodeError: 'utf-8' codec can't decode byte 0xb2 in position 9: invalid start byte
解决办法:
这个题目表面上就是ffmpeg造成的,似乎在读取文件的时间某个位置的编码有题目。实际上是由于上面的代码修改后,必要重新启动(在windows系统有这个题目)。
假如重新启动之后,还是出现上述错误,可以按照如下方式重新设置:Pycharm setting —> Tools —> Terminal —> 找到 shell path,将其修改为本地cmd。
https://i-blog.csdnimg.cn/blog_migrate/4f2f70685de523d39342ef4dae09dce6.png

免责声明:如果侵犯了您的权益,请联系站长,我们会及时删除侵权内容,谢谢合作!更多信息从访问主页:qidao123.com:ToB企服之家,中国第一个企服评测及商务社交产业平台。
页: [1]
查看完整版本: 语音辨认whisper的介绍、安装、错误记载