ToB企服应用市场:ToB评测及商务社交产业平台
标题:
C#使用WhisperNet实现语音识别功能
[打印本页]
作者:
北冰洋以北
时间:
2024-4-13 06:52
标题:
C#使用WhisperNet实现语音识别功能
C#使用WhisperNet实现语音识别功能
1.写在前面
最近想做一下本地音频语音识别工具，在网上找了一些本地音频语音识别方面的资料。
Whisper
是 OpenAI 的一种自动最先进的
语音识别系统
，它已经接受了
680000 小时
从网络收集的多语言和多任务监督数据的训练。这个庞大而多样化的数据集提高了对口音、背景噪音和技术语言的
鲁棒性
。此外，它还支持多种语言的转录，以及将这些语言翻译成英语。与 DALLE-2 和 GPT-3 不同，Whisper 是一种
免费的开源模型
。Whisper的优势是开源免费、支持多语种（包括中文），根据不同的场景需求有不同模型可供选择，最终的效果比市面上很多音频转文字的效果都要好。Whisper提供了五种型号尺寸，其中四种为纯英文版本，提供速度和准确性的权衡。以下是可用型号的名称及其大致的内存要求和相对速度。
Whisper 的性能因语言而异。下图显示了使用该模型的 Fleurs 数据集按语言的 WER（单词错误率）细分large-v2（数字越小，性能越好）。
中文为14.7%
2.下载地址
源码下载地址：https://github.com/Const-me/Whisper
模型下载地址：https://huggingface.co/sandrohanea/whisper.net/tree/main/classic
3.程序实现
下面将贴出实现该程序的关键代码。
private async void buttonAsr_Click(object sender, EventArgs e)
{
string[] list = Library.listGraphicAdapters();
CommandLineArgs cla = new CommandLineArgs();
cla.language = eLanguage.Chinese;
cla.gpu = textGpu.Text;
cla.model = textModel.Text;
cla.fileName = textFile.Text;
cla.prompt = "这是一段播客的内容。";
cla.output_srt = true;
using iModel model = await Library.loadModelAsync(cla.model, new CancellationToken(), eGpuModelFlags.Cloneable, cla.gpu);
int[]? prompt = null;
if (!string.IsNullOrEmpty(cla.prompt))
prompt = model.tokenize(cla.prompt);
//using Context context = model.createContext();
context = model.createContext();
cla.apply(ref context.parameters);
context.parameters.setFlag(eFullParamsFlags.NoContext, true);
using iMediaFoundation mf = Library.initMediaFoundation();
Transcribe transcribe = new Transcribe(cla);
using iAudioReader reader = mf.openAudioFile(cla.fileName, cla.diarize);
await context.runFullAsync(reader, transcribe, UpdateProgress, prompt);
}
复制代码
4.程序界面
5.功能
本地音频语音识别。
程序中包含WhisperDesktop.exe
下载地址：https://pan.baidu.com/s/1c8r7HO2XvGocEuVIwdddpQ?pwd=6666 提取码：6666
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！
欢迎光临 ToB企服应用市场:ToB评测及商务社交产业平台 (https://dis.qidao123.com/)
Powered by Discuz! X3.4
