实战whisper第三天：fast whisper 语音识别服务器部署，可长途访问，可贸易化部署（全部代码和详细部署步骤）
Fast Whisper 是对 OpenAI 的 Whisper 模子的一个优化版本，它旨在进步音频转录和语音识别任务的速率和效率。Whisper 是一种强大的多语言和多任务语音模子，可以用于语音识别、语音翻译和语音分类等任务。
Fast Whisper 的原理
Fast Whisper 是在原始 Whisper 模子的基础上举行的优化，这些优化重要会合在进步推理速率和降低资源斲丧上。它通过以下方式实现这些目标：
模子剪枝和量化：
剪枝：通过淘汰模子中的参数数量（通常是去除那些对模子性能影响较小的参数），从而淘汰模子的复杂性和运行时内存需求。
量化：将模子的浮点运算转换为整数运算，这通常会显著淘汰模子大小和提升推理速率，特别是在支持整数运算的硬件上。
硬件优化：
Fast Whisper 针对特定的硬件架构（如 GPU 和 TPU）举行了优化，以更高效地利用这些硬件的并行处理能力。
更高效的解码器：
使用更高效的解码策略，好比更小的 beam size 或更快的贪默算法，来淘汰在生成预测时所需的计算量。
Fast Whisper 重要在以下方面举行了改进：
速率：通过上述技术，Fast Whisper 在举行语音到文本转录时的速率更快，这使得它更适合实时或靠近实时的应用场景。
资源斲丧：淘汰了模子的计算需求和内存占用，使得它可以在资源受限的设备上运行，如移动设备和嵌入式系统。
结果：在保持相似的识别正确率的同时，Fast Whisper 的重要上风是速率和效率。在某些环境下，模子优化可能会轻微捐躯正确性，但通常这种捐躯是微小的。
一、部署
下载fast-whisper
GitHub - SYSTRAN/faster-whisper: Faster Whisper transcription with CTranslate2
- pip install faster-whisper
large-v3模子：https://huggingface.co/Systran/faster-whisper-large-v3/tree/main
large-v2模子：https://huggingface.co/guillaumekln/faster-whisper-large-v2/tree/main
large-v2模子：https://huggingface.co/guillaumekln/faster-whisper-large-v1/tree/main
medium模子：https://huggingface.co/guillaumekln/faster-whisper-medium/tree/main
small模子：https://huggingface.co/guillaumekln/faster-whisper-small/tree/main
base模子：https://huggingface.co/guillaumekln/faster-whisper-base/tree/main
tiny模子：https://huggingface.co/guillaumekln/faster-whisper-tiny/tree/main
示例：
- from faster_whisper import WhisperModel
-
- model_size = "large-v3"
-
- # Run on GPU with FP16
- model = WhisperModel(model_size, device="cuda", compute_type="float16")
-
- # or run on GPU with INT8
- # model = WhisperModel(model_size, device="cuda", compute_type="int8_float16")
- # or run on CPU with INT8
- # model = WhisperModel(model_size, device="cpu", compute_type="int8")
-
- segments, info = model.transcribe("audio.mp3", beam_size=5)
-
- print("Detected language '%s' with probability %f" % (info.language, info.language_probability))
-
- for segment in segments:
- print("[%.2fs -> %.2fs] %s" % (segment.start, segment.end, segment.text))
二、服务器部署，长途调用
api.py:
- from fastapi import FastAPI, File, UploadFile
- from fastapi.responses import JSONResponse
- from faster_whisper import WhisperModel
- import shutil
- import os
- import uvicorn
-
- app = FastAPI()
-
- # 配置 Whisper 模型
- model_size = "large-v3"
- model = WhisperModel(model_size, device="cuda", compute_type="float16")
-
- @app.post("/transcribe/")
- async def transcribe_audio(file: UploadFile = File(...)):
- temp_file = f"temp_{file.filename}"
-
- # 保存上传的文件到临时文件
- with open(temp_file, 'wb') as buffer:
- shutil.copyfileobj(file.file, buffer)
-
- try:
- # 使用 Whisper 模型进行转录
- segments, info = model.transcribe(temp_file, beam_size=5)
- os.remove(temp_file) # 删除临时文件
-
- # 组装转录结果
- results = [{
- "start": segment.start,
- "end": segment.end,
- "text": segment.text
- } for segment in segments]
-
- return JSONResponse(content={
- "language": info.language,
- "language_probability": info.language_probability,
- "transcription": results
- })
- except Exception as e:
- os.remove(temp_file) # 确保即使出错也删除临时文件
- return JSONResponse(status_code=500, content={"message": str(e)})
-
- if __name__ == "__main__":
- uvicorn.run(app, host="0.0.0.0", port=1050)
http://192.168.110.12:1050/transcribe/
三、代码中调用服务器
更换成本身部署服务的ip：
- import requests
-
- with open('5.wav', 'rb') as f:
- response = requests.post(
- 'http://****.***.***.***:1050/transcribe/',
- files={'file': ('output.wav', f, 'audio/wav')})
- data = response.json() # Get the JSON response
- text = data['transcription'][0]['text']
- print("识别结果：", text)
总结：结果杠杠的，速率比whisper快太多了 ，可举行贸易应用了。
学术菜鸟小晨
实战whisper第三天：fast whisper 语音识别服务器部署，可长途访问，可贸易化部署（全部代码和详细部署步骤）
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。 |
