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

1. pip install -U openai-whisper

复制代码

或者

1. pip install git+https://github.com/openai/whisper.git

复制代码

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

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

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~

1. pip install setuptools-rust

复制代码

利用

下令行方式

1. # 帮助信息
2. whisper --help
4. # 根据官网使用教程可以有以下常用方式
5. whisper music.mp3 --model tiny --language Chinese --device cuda:0 --initial_prompt "以下是普通话的句子"

复制代码

Python代码

1. import whisper
2. model = whisper.load_model("base", "cpu")
3. mps_path = r"music.mp3"
4. result = model.transcribe(mps_path, fp16=False, language='Chinese')
5. print(result["text"])

复制代码

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

报错信息

以下是笔者调试过程中遇到的错误记载：
Error 1

1. FileNotFoundError: [WinError 2] 系统找不到指定的文件。

复制代码

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。

参考链接：https://blog.csdn.net/qq_24118527/article/details/90579328
Error 2

1. UnicodeDecodeError: 'utf-8' codec can't decode byte 0xb2 in position 9: invalid start byte

复制代码

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。

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。